Balance Hídrico Superficial de Bolivia 1980/ /16

Balance Hídrico Superficial de Bolivia 1980/81-2015/16 1

Balance Hídrico Superficial de Bolivia 1980/81-2015/16 La Paz, 2017

Balance Hídrico Superficial de Bolivia 1980/81-2015/16 Autor: Ministerio de Medio Ambiente y Agua (MMAyA) Carlos Ortuño Ministro de Medio Ambiente y Agua Desarrollado por: Stockholm Environment Institute (SEI) Instituto de Hidráulica e Hidrología - Universidad Mayor de San Andres (IHH-UMSA) Laboratorio de Hidráulica - Universidad Mayor de San Simón (LH-UMSS) Servicio Nacional de Meteorología e Hidrología (SENAMHI) Coordinación y supervición: Unidad de Estudios Especiales/ Dirección de Planificación/ Ministerio de Medio Ambiente y Agua UCEP - Mi Riego Los derechos de autor pertenecen al Ministerio de Medio Ambiente y Agua. La Paz, 2017 Bolivia

C ontenido 1. Introducción 7 2. Metodología 9 2.1 Aspectos generales sobre la metodología y su incertidumbre asociada 9 2.2 Precipitación y Temperatura 11 2.3 Evapotranspiración potencial 14 2.4 Escurrimiento 15 3. Características fisiográficas de Bolivia 21 3.1 Cordillera Occidental o Complejo Volcánico 21 3.2 Altiplano o Graben Estructural 22 3.3 Cordillera Oriental o Bloque Paleozoico 22 3.4 Sub-Andino 22 3.5 Llanura Chaco - Beniana 23 3.6 Escudo Brasileño 23 3.7 Superficie de erosión de Pando 23 4. Las Cuencas Hidrográficas y sus Balances Hídricos 25 5. Características del Balance Hídrico (Base) 27 5.1 Precipitación 25 5.2 Evapotranspiración 29 5.3 Escurrimiento 31 5.4 Balance Hídrico en los Lagos 33 6. Incertidumbre y Error del Balance Hídrico 35 6.1 Incertidumbre en GMET 35 7. Balance Hídrico para Condiciones Climáticas Futuras 41 8. Informe del SENAMHI sobre la segunda campaña de aforo. 43 9. Resumen del proceso de capacitación 45 10. Conclusiones y Recomendaciones 47 10.1 Recomendaciones sobre reducción de incertidumbre en la base de datos del BHSB 2017 47 10.2 Recomendaciones sobre el modelo WEAP base del BHSB 2017 48 10.3 Oportunidades para el uso del BHSB 2017 en procesos de planeación y la toma de decisión 50 11. Referencias 53 12. Anexos 55 Anexo 1. Resultados de balance hídrico para condiciones históricas Tablas 55 Anexo 2. Resultados de balance hídrico para condiciones históricas Mapas 61 5

6

1. Introducción Este documento presenta el resultado final del Balance Hídrico Superficial de Bolivia (BHSB) ejecutado en el 2017. El BHSB se realizó bajo el liderazgo del Ministerio del Medio Ambiente y Agua, quien creó una Plataforma Institucional la cual participó de las diferentes instancias del proyecto a través de talleres de avance realizados entre Noviembre 2016 a Noviembre 2017. El proyecto fue financiado por un préstamo del IADB el cual fue administrado por el programa Mi Riego, y ejecutado por el Instituto del Ambiente de Estocolmo (SEI) en colaboración con el Servicio Nacional de Meteorología e Hidrología (SENAMHI), el Instituto de Hidráulica e Hidrología de la Universidad Mayor de San Andrés (IHH/UMSA), el Laboratorio de Hidráulica de la Universidad Mayor de San Simón (LH/UMSS) y el Centro de Investigaciones Atmosféricas de los Estados Unidos (NCAR). El trabajo se realizó usando el software Water Evaluation and Planning System WEAP del SEI. WEAP incluye un algoritmo para calcular la humedad de suelo que permite evaluar las diferentes entradas y salidas del Balance Hidrológico para cada paso de tiempo (Yates et al., 2005a, 2005b). El período de modelación fue definido para 1980-2016 a paso de tiempo mensual. Para utilizar el algoritmo se realizó el procesamiento de datos de entrada incluyendo variables meteorológicas como la precipitación, Temperatura, humedad relativa, velocidad de viento y horas sol. También se procesaron datos hidrométricos para cerrar los balances en puntos clave donde se procedió a ajustar y calibrar el balance en subcuencas respetivas. El balance se generó para las principales macrocuencas del país incluyendo la del Altiplano, La Plata, y Amazonas generando balances calibrados en 72 unidades hidrológicas, reportados en 96 unidades según clasificación Pffastteter continental (Hydrosheet, completar referencia). Para las cuencas sin estaciones hidrométricas en las cuales los balances no se pueden calibrar, se utilizó la ecuación general de balance hídrico donde la evapotranspiración real fue estimada con la ecuación de Turc. El trabajo se dividió teniendo en cuenta la experiencia de las instituciones del Equipo Implementador de forma que el balance de La Plata fue liderado por el IHH, el balance del Amazonas fue ejecutado por el LH, y el balance del Altiplano y de las cuencas sin puntos de calibración fue realizado por SEI. La calibración del balance hídrico se ejecutó de forma coordinada entre las instituciones siguiendo los mismos criterios, y teniendo en cuenta los fenómenos específicos de cada macrocuenca. De esta forma, por ejemplo, en el Altiplano fue necesario considerar el balance volumétrico de los lagos, en La Plata fue importante procesar y filtrar los datos hidrométricos a usar, y en el Amazonas fue esencial considerar procesos como recarga subterránea, ruteo de flujo y planicies de inundación. Como es común para la generación de balances hídricos, los datos climáticos e hidrométricos existentes constituyeron la base de datos para alimentar los algoritmos de cálculo. En este caso, durante las etapas iniciales del procesamiento de datos, se lograron identificar los retos en términos de escasez de datos en algunas regiones, la necesidad de filtrar los mismos para poder contar con información confiable, definir el procesamiento requerido para aquellos que se evaluaron como válidos, además de incluir los criterios de decisión para relleno y completado de series de tiempo identificadas como válidas y confiables. Este reto se presentó en este estudio sobre todo debido a la dificultad de obtener una base de datos para el período de tiempo de 36 años ya procesada por SENAMHI. SENAMHI facilitó toda la información existente, incluyendo aquella que ya estaba procesada, y fue labor del Equipo Implementador terminar de procesar y completar la base de datos para poder aplicar la metodología seleccionada. Además, debido a la existencia de cuencas compartidas con otros países, fue necesario obtener datos de Perú, Brasil, Chile, Argentina y Paraguay a través de convenios del SENAMHI con los servicios meteorológicos extranjeros. De esta forma, se logró completar una base de datos para obtener el balance hídrico en todas las cuencas internas al país y también en aquellas compartidas con los países limítrofes. 7

El trabajo coordinado del Equipo Implementador y la Plataforma Institucional presenta un ejemplo de trabajo participativo que recoge las visiones y conocimiento de las diferentes instituciones reflejándolas en el producto final. La participación de los diferentes actores permitió identificar métodos comunes para resolver algunas de las fuentes de incertidumbres derivadas de un estudio de esta naturaleza. De esta forma, el estudio permitió la generación de modelos en la plataforma WEAP para los balances hídricos asignando a la Plataforma Institucional la actualización futura del balance hídrico a través de la mejora en técnicas para procesar los datos de entrada y enfoques de calibración más refinados que puedan mejorar las representaciones en WEAP. Aunque el método seleccionado no responde a ningún lineamiento internacional específico para desarrollo de balances hídricos, la selección de este este método responde a la necesidad de planeación hídrica en el país a partir de una plataforma estandarizada que pueda ser refinada a nivel regional. En este documento se reportan los resultados finales del proceso de implementación del BHSB 2017. El reporte comienza con una descripción general de la metodología utilizada. Luego presenta las características fisiográficas generales del país, las cuales determinan las cuencas o unidades hidrográficas usadas para estimar y presentar la información. Los balances hídricos son presentados a nivel de dichas cuencas hidrográficas de forma tabular y en mapas en los anexos de este reporte. Posteriormente, se presentan aspectos clave, incluyendo un detalle sobre la distribución estacional y espacial de las principales variables del balance hídrico. Posteriormente, se realiza una presentación general de fuentes de incertidumbre, y de forma más específica, las estimaciones de error logradas en el procesamiento de los datos de precipitación. Posteriormente se presenta una sección, en la cual se presenta el balance hídrico para condiciones climáticas futuras. Las últimas secciones de este producto se enfocan en resumir el proceso de aforos realizado por SENAMHI en este proyecto y en resumir el proceso de creación de capacidad sobre la temática de balance hídrico. Por último, se presenta una sección con conclusiones, recomendaciones, y oportunidades para el uso del BHSB en procesos de planeación y toma de decisiones. Se espera que este set de conclusiones, y recomendaciones constituyan una guía para la Plataforma Institucional en sus esfuerzos y responsabilidad de continuar el proceso de generación de información para la planeación de recursos hídricos en Bolivia. 8

2. Metodología La estimación de los diferentes componentes del balance hídrico - incluyendo evapotranspiración potencial, precipitación, evapotranspiración real, y la escorrentía - en todo el país de Bolivia requirió la espacialización de los datos climáticos, cobertura vegetal y el tipo de suelo. Dado el enfoque a nivel de unidad hidrográfica, los resultados se presentan como promedios mensuales multianuales derivados de las series de tiempo de 1980-2016. Los sets de datos climáticos de precipitación y temperatura fueron especializados a través de una metodología desarrollada e implementada por el NCAR denominada GMET (Newman et al., 2015). Un resultado del método GMET es la desviación estándar de la precipitación y temperatura, la cual sirve como una de las métricas de incertidumbre del modelo. Otras variables climáticas como horas de sol, velocidad de viento y humedad relativa fueron especializadas con el inverso de la distancia cuadrada. Los datos de suelo fueron basados en datos publicados por la FAO. Dada la existencia de datos de uso de suelo liberados en Abril 2017 por la Agencia Espacial Europea (ESA), fue posible tener una información uniforme de datos de uso de suelo para la cobertura del país. Estas dos bases de datos, FAO y ESA, también contribuyen con incertidumbre en los resultados finales del estudio. El algoritmo de lluvia escorrentía usa parámetros derivados de procesos físicos en la parte superficial del modelo (parámetros ajustables en rangos limitados por el complejo suelo cobertura) y parámetros susceptibles a calibración en la parte profunda del mismo. Sin embargo, las incertidumbres de estos parámetros también constituyeron una fuente de incertidumbre en los resultados de escurrimiento y evapotranspiración derivados del algoritmo. A continuación, se presentan aspectos generales de la metodología, incluyendo una discusión sobre las fuentes de incertidumbre, y la descripción del procesamiento de precipitación, temperatura, evapotranspiración potencial y escurrimiento. 2.1 Aspectos generales sobre la metodología y su incertidumbre asociada Con base en las diferentes fuentes de incertidumbre, el margen de error del estudio varía para cada unidad hidrográfica. La comparación entre valores estimados de caudal y valores observados en las estaciones hidrométricas en las unidades hidrográficas calibradas da un estimado del error en los cálculos, el cual se efectuó a través de métricas estadísticas. Este error viene de una serie de fuentes de incertidumbre sobre los datos de entrada y el proceso de calibración. A pesar del filtrado de datos de entrada, y de la selección de GMET como un proceso científicamente aprobado para especializar los datos de clima, los datos y procedimiento de cálculo cargan incertidumbre que se acumula y resulta en dichos errores implícitos en los resultados reportados por unidad hidrográfica aspecto que debemos considerar a la hora de utilizar los mismos.. Algunas de estas fuentes de incertidumbre fueron estimadas, o confinadas a través de decisiones en la etapa de calibración. Por ejemplo, una fuente de error estimada fue la desviación estándar de la precipitación y temperatura basado en GMET que permitió justificar la aplicación de factores de precipitación, pero no alcanza a explicar toda la incertidumbre asociada con los datos de entrada de precipitación en regiones como Madre de Dios o Alto Beni. Aunque el valor de la desviación estándar da una idea del error máximo en términos de la precipitación, este estimado no alcanza a cubrir todas las fuentes de incertidumbre asociadas a otros aspectos de la metodología, incluyendo el procedimiento de cálculo, y el error inherente a las bases de datos de suelos y cobertura vegetal el cual es de alguna manera representado con la calibración del proceso hidrológico. La confinación de los parámetros de suelo en razón a valores basados en parámetros físicos también permitió limitar los errores e inconsistencias incurridas por el algoritmo, sin embargo no permite alcanzar una comprensión completa de fenómenos que los datos de entrada no estén capturando (ej. el cambio abrupto en la geología 9

entre dos unidades hidrográficas a las cuales se les haya asignado un mismo set de parámetros). Para mayor información, en la sección 6 de este reporte se presenta en detalle los aspectos de incertidumbre asociados a GMET, incluyendo la evaluación de datos climáticos a partir de los resultados mismos del balance hídrico calibrado. De todas maneras, se considera que la estimación espacial de la precipitación con GMET corresponde un avance significativo con respecto a estudios de balance hídrico previos. La estimación de ETP se basó en el método de Penman Monteith que en algunos casos fue necesario corregir mediante comparación con resultados de estudios previos y evaporación en tanque tipo A. Basado en estos estimados de datos de entrada y en el algoritmo de humedad de suelo en WEAP, se calculó el escurrimiento para cada unidad hidrográfica y sus puntos de calibración asociados. En las cuencas sin estaciones hidrométricas, se estimó el balance hídrico para cada unidad hidrográfica calculando la ETR con la ecuación de Turc. En cuencas con pérdidas subterráneas se incorporó una conexión con los acuíferos a través del uso de un elemento de agua subterránea en WEAP. Además, en las planicies inundables del Amazonas fue necesario usar algoritmos de inundación para representar los límites de caudal bajo los cuales el agua desborda el río y genera lagunas de inundación temporales y retardan el comportamiento de los hidrográmas aguas abajo. En la cuenca del Altiplano, se generó un balance a nivel de los dos lagos principales, estimando la entrada de las cuencas y las salidas del lago de forma que se pudo representar la variabilidad volumétrica de los ambos lagos en función de la climatología del período de modelación. El BHSB de Bolivia realizado en 2017 constituye un avance en la generación de información hidrológica para planificación del recurso hídrico en el país. Estudios previos permitieron lograr información y avances que sirvieron para estimar la realidad hídrica del país a través de diferentes métodos de procesamiento de datos y algoritmos de cálculo (ver comparación en Tabla 1), sin embargo el presente estudio posee componentes de desarrollo que garantizan resultados dinámicos y actualizables a futuro Tabla 1. Comparación Balances Hídricos de Bolivia 1992, 2012, 2017 Método 1992 2012 2017 Ecuación general de balance hídrico Método Temez Número de estaciones pluviométricas 550 346 381 Rellenado de información no si si Período 1968-1982 1998-2012 1980-2016 Número de años 14 14 36 Paso de tiempo Promedio anual multianual Promedio mensual para un año Numero de pasos de tiempo 1 12 432 Objetivo Resultado Unidades Hidrográficas Método de interpolacion para Precipitación y Temperatura Generar línea base hidrológica uniforme para el país Mapas temáticos de clima de hidrología 22 macro 122 estaciones de cierre Generar una actualización de la linea base hidrológica Balances hídricos por unidad hidrográfica 80 Polígonos Thiesssen? GMET Método de humedad de suelo de dos baldes en WEAP Promedio mensual para el histórico Generar una serie de herramientas para producir balances base en unidades hidrográficas Balances hídricos dinámicos y actualizables por unidad hidrográfica en plataforma WEAP 96 unidades hidrográficas 70 estaciones de cierre 197 catchments 10

Método de interpolación para otras variables climáticas NA? IDW Cobertura vegetal NA COBUSO ESA Suelo NA Geología de Bolivia FAO La generación de una plataforma informática del BHSB en WEAP permitirá continuas actualizaciones de las herramientas para estimar la disponibilidad hídrica de las regiones del país. Se espera que esta plataforma informática sea sujeta a actualizaciones consecutivas para el continuo mejoramiento de la información para planificación de recursos hídricos en Bolivia. 2.2 Precipitación y Temperatura La grilla desarrollada para el BHSB se basa en la metodología de GMET descrita en detalle en (Newman et al., 2015). Esta metodología reconoce la incertidumbre inherente de los productos de interpolación de precipitación y temperatura debido a las observaciones escasas, representatividad de las observaciones y errores de medición. Reconociendo esta incertidumbre, el método propuesto produce un ensamble de precipitación y temperatura a paso de tiempo diario basado en las observaciones existentes. La generación de ensambles permite la estimación de una varianza para determinar la incertidumbre, y además durante la validación del producto se realizó una validación cruzada con datos de estaciones observadas. La verificación estadística del ensamble permite identificar la confiabilidad del ensamble. Aunque el promedio del ensamble es similar a otros set de datos existentes a nivel global, el producto de GMET es una representación más realista de la estadística de la precipitación por considerar parámetros espaciales invariantes en el tiempo y una red de estaciones de medición puntual, lo cual impacta en la derivación empírica de otros campos usados en modelación hidrológica. La habilidad para la modelación hidrológica de la grilla es corroborada durante la ejecución de los balances hídricos. Los algoritmos usados en GMET son una extensión del trabajo realizado por Clark and Slater (2006) para desarrollar un ensamble diario de precipitación y temperatura basado en estaciones para USA. El propósito principal de este set de datos es ser usado como entrada para la modelación de superficie de suelo e hidrología y para estudios de asimilación de datos, pero también puede ser usado para la validación de modelos atmosféricos. La descripción del método se basa principalmente en la explicación del sistema de interpolación probabilística. En secciones posteriores, se realiza la validación del método y se da pautas para mejorar la aplicación para el territorio Boliviano. La interpolación probabilística tiene dos pasos principales: La interpolación espacial, y La generación del ensamble La interpolación espacial usa series de datos completa de precipitación y temperatura. Este set de datos cubre el territorio de Bolivia. Los detalles de la generación del set de datos completo son descritos en el anexo XX, Procesamiento de Datos de este proyecto. Después de la depuración y análisis de series, 384 estaciones individuales de temperatura y precipitación son consideradas para la interpolación. GMET fue corrido para el territorio de Bolivia usando las estaciones presentadas, para obtener un producto final de una resolución espacial de 0.05 (celda) a escala de tiempo diario para el período hidrológico 1980-2016 lo cual implica que se inicia en septiembre 1980 y termina en agosto 2016. El método siguió la guía de Clark and Slater (2006). Para la generación del ensamble, se usaron campos aleatorios correlacionados espacialmente (SCRFs por sus siglas en inglés Spatially Correlated Random Fields). El método para generar los SCRF genera números 11

progresivamente para cada punto de la grilla, condicionando los números aleatorios de acuerdo con los números generados previamente. El SCRF se generó para cada día de forma independiente para cada una de las variables: precipitación, temperatura media y rango diurno (diferencia entre temperatura máxima diaria y mínima). Un resultado importante de uso de SCRF para generar los valores puntuales es que permite que sucedan eventos más extremos que las observaciones en secciones de la grilla donde no hay observaciones. Este es un punto clave con respecto a cualquier esquema basado en interpolaciones en que cada punto de la grilla es limitado por el valor máximo de las observaciones, lo cual no siempre es correcto y peor aún en terrenos con bastante influencia orográfica 1. En total se desarrollaron 30 miembros del ensamble mensual para el periodo 1980-2016 con su promedio y desviación estándar. El promedio del ensamble es el candidato ideal para utilizar como entrada al modelo WEAP para el balance hidrológico y la desviación estándar, la representación de la incertidumbre en los datos de entrada de clima (precipitación y temperatura específicamente). Un ejemplo del resultado de la grilla para enero de 1981 se presenta en la Figura 1. Aquí se observa la diferencia entre dos miembros del ensamble, el promedio y la desviación estándar de la misma. En general los patrones espaciales entre ambos miembros del ensamble son consistentes, con poca precipitación en la región de Altiplano Central y Sur. Sin embargo, el miembro #30 presenta mayor precipitación en la zona del Beni. El promedio de los ensambles presenta una naturaleza más discreta y continua con regiones de alta y baja precipitación más definidas. La desviación estándar muestra las zonas con mayor o menor incertidumbre en la precipitación con base en todos los miembros del ensamble. Mayor incertidumbre se muestra en las zonas de mayor precipitación en el Beni, sin embargo, los valores son bajos alrededor de 2 mm con respecto a valores de mm, es decir del 5% de error. Este tipo de información es útil para definir fuente de incertidumbre en la modelación hidrológica y generación de balances hídricos. Figura 1. Ejemplo de dos ensambles de enero 1981 con su promedio y desviación estándar 1 El método detrás de GMET está concebido para representar clima en terrenos complejos (de Clark and Slater (2006)) 12

Además de las estaciones usadas para la grilla, se obtuvieron 131 estaciones para validación, las cuales incluyen menos de 15 años de información. Dichas estaciones no fueron usadas en el algoritmo de GMET pero si para el paso de validación, de forma que el total de estaciones para la validación de la grilla es 384+131 = 515. Para aumentar la precisión y calidad del estimado de GMET sobre el dominio de Bolivia, algunas estaciones se adicionaron en una zona de amortiguamiento por fuera del territorio de Bolivia. Estas estaciones incluyeron estaciones meteorológicas de Brasil, Paraguay, Argentina, Chile y Perú. Además, en la parte Noroeste de Bolivia donde no existen estaciones dentro o fuera de Bolivia, se adicionaron 12 puntos de muestreo de CHIRPS para la corrida de GMET para aumentar su calidad usando datos de precipitación basados en información satelital (Figura 2). Figura 2. Estaciones de validación de GMET adentro y afuera de Bolivia, incluyendo el muestreo de CHIRPS Con respecto al desempeño estacional de GMET en Bolivia, la Figura 3 muestra la medida estadística estacional para todos los 515 puntos de observaciones. El rango total de las métricas estadísticas se muestra como líneas sólidas. El signo circular determina el valor promedio de cada métrica y los cuadrados alrededor de los puntos representan la desviación standard (STDEV) para los valores calculados. Si se considera el hecho que el 63% de los valores calculados están dentro del Ave+STDEV y Ave-STDEV, entonces se puede concluir que la mayoría de los valores de los pixeles de GMET se encuentran altamente correlacionados con los valores observados en Bolivia con un coeficiente de correlación mayor a 0.8. Sin embargo, hay algunos pixeles en los cuales el coeficiente de correlación fue menor, especialmente en la estación seca en la que algunas de las observaciones 13

presentan incluso correlación negativa. Esto indica que se debe prestar más atención a los estimados de GMET en la época seca, las implicaciones en el balance hídrico son analizadas en la etapa de la calibración del modelo hidrológico. En la época seca entre el 80 y 90% del caudal corresponde al flujo base, y el resto a escurrimiento por precipitaciones ocasionales de magnitudes pequeñas; por tanto, se esperaría que los efectos de la subestimación no fuesen relevantes en el balance. Los valores de sesgo son cercanos a cero en todas las estaciones excepto por la estación seca, similar a la gráfica del coeficiente de correlación. Es interesante observar que el MAE en la estación seca es menor que el valor para la estación húmeda o de transición lo cual es un hecho relacionado con los valores bajos de precipitación y lluvia durante la estación seca y la naturaleza del estadístico mismo (expresado en valores absolutos no adimensionales). Se observa que en la última grafica el valor normalizado de RMSE en la estación seca es mucho mayor al de las otras estaciones, lo cual muestra el hecho de que el rango de error del valor en la estación seca en comparación con el promedio de precipitación es grande. Sin embargo, se observa que los valores promedio de todas estas estadísticas para la estación seca son cercanos a las otras estaciones (signos circulares), y que una pequeña cantidad de pixeles (menor al 37%) no presentan una alta precisión con respecto a GMET en la estación seca, impactando las métricas y el rango de error en ellas. Figura 3. Métricas estadísticas estacionales calculadas usando GMET sobre las estimaciones de pixeles en todas las 515 estaciones en Bolivia. 2.3 Evapotranspiración potencial En el caso de SM para estimar la ETP usa la versión modificada del método de Penman-Monteith para un cultivo o hierva de altura 0.12 m con una resistencia superficial de 69 s/m, y se define de la siguiente manera (Maidment, 1993): E rc = /( -γ* ) (R n -G)+γ/( -γ* ) 900/(T+275) U 2 D 14

donde: E rc = Evapotranspiración de referencia, mm dia -1 R n = Intercambio de radiación neta para la cobertura de cultivo, mm dia -1 G = Flujo de calor del suelo medido o estimado, mm dia -1 T =Temperatura media del aire, C U 2 = Velocidad del viento a 2 m de altura, m s -1 D = Déficit de presión de vapor, kpa = Pendiente de la curva de la presión de vapor, kpa C -1 γ = Constante psicométrica, kpa C -1 γ*=γ(1+0.33 U 2 ) El método requiere datos de radiación, temperatura media del aire, humedad atmosférica, y velocidad del viento. Según Allen, Pereira, Raes, & Smith (1998) el uso de temperatura media en lugar de temperatura máxima y mínima tiene como resultado una presión de saturación más baja, por lo tanto un déficit de presión de vapor también más bajo, lo que resulta en la subestimación de la evapotranspiración de referencia. Por otro lado, es común no contar con datos medidos de radiación solar. El SM de WEAP utiliza la fórmula de Angstrom que relaciona la radiación solar con la radiación extraterrestre y la duración relativa de la insolación, el algoritmo puede ser consultado en Maidment (1993) y Richard G Allen et al. (1998). Para estimar la radiación el SM de WEAP requiere datos de latitud y fracción de nubes, esta última dada por la relación n/n donde n es la duración real de la insolación [horas] y N es la duración máxima posible de la insolación [horas]. Cuando no están disponibles datos medidos de la humedad atmosférica (presión promedio real diaria de vapor), este puede ser derivado de otras variables climáticas como la humedad relativa máxima y mínima; el SM de WEAP básicamente usa la humedad relativa media y la temperatura media para estimar la presión real de vapor, los algoritmos pueden ser consultados en Maidment (1993) y Allen et al. (1998). En resumen, para estimar la evapotranspiración de referencia en SM de WEAP son necesarias las siguientes variables: temperatura media del aire C, humedad relativa media [%], velocidad del viento [m s -1 ], fracción de nubes, y latitud. Las variables climáticas deben ser ajustadas a una altura de 2 m. Debido a las simplificaciones de los datos de entrada, la estimación de evapotranspiración de referencia puede tener imprecisiones, como por ejemplo con el uso de temperatura media del aire se podría subestimar la ETP. Otra desventaja a considerar es que el algoritmo funciona a nivel diario, cuando los datos de entada son mensuales. El SM de WEAP repite el valor para los todos los días de un mes dado. Sin embargo, el modelo hidrológico SM es flexible y la evapotranspiración de referencia puede ser considerada como un dato de entrada estimado externamente. En este contexto, cuando las estimaciones de ETP se realizan internamente en WEAP el parámetro de Kc debe ser considerado como un factor de corrección y no necesariamente con su interpretación original en la literatura. En el caso específico de este estudio de balance hídrico, el factor de corrección (Kc) se definió en base a las comparaciones de los resultados de ETP de WEAP con otros estudios tanto de escala nacional como regional, donde existe evidencia de que los cálculos de ETP son relativamente confiables. En la etapa de calibración no se han realizado modificaciones al factor definido inicialmente. 2.4 Escurrimiento 2.4.1 Modelo hidrológico El método de dos baldes de humedad de suelo, SM por sus siglas en inglés (Soil Moisture) es un método unidimesional de dos baldes de suelo con un esquema de contabilidad basado en funciones empíricas que describen 15

la evapotranspiración, escorrentía superficial, escorrentía sub-superficial (interflujo), y percolación profunda de una cuenca. Este método permite la caracterización del impacto de la cobertura vegetal y del suelo en los procesos hidrológicos. La percolación profunda de una unidad hidrográfica puede ser transmitida a un cuerpo de agua superficial como flujo base o al almacenamiento de agua subterránea si el vínculo apropiado se hace entre la unidad hidrográfica y un nodo de agua subterránea. Una unidad hidrográfica, N, puede ser dividida entre fracciones de área j representando diferentes usos de suelo y tipos de suelo, y el balance hídrico se calcula para cada fracción de área. El clima se asume uniforme dentro de cada unidad hidrográfica y el balance se estima como: Donde z 1,j es el almacenamiento relativo dado como fracción del almacenamiento total en la zona de raíz (suelo, (0,1)), Rd j (mm) es la fracción de cobertura de suelo en j. La precipitación efectiva Pe(t), incluye derretimiento desde un paquete de nieve en la sub cuenca. La PET o ETP es estimada según la ecuación presentada en la sección 2.3. Figura 4. Esquema conceptual del modelo Soil Moisture (Yates et al., 2005b) El albedo varía en un rango de 0.15 a 0.25 como función de la cobertura de nieve, y el término para el flujo de calor en suelo G es ignorado en el cálculo. k c,j es el coeficiente de cultivo/planta para cada fracción de cobertura de suelo en el sub elemento j, RRF j es el factor de resistencia de escurrimiento para cada fracción de cobertura; valores altos de este parámetro representan menor escurrimiento superficial. En la ecuación de Rd j el cuarto término y el quinto corresponden al inter flujo y percolación respectivamente, donde k s,j es una estimación de la conductividad en la zona de raíces saturada (mm/paso de tiempo de simulación) y f j es un coeficiente de partición o división relacionado al suelo, tipo de cobertura, y la topografía que fraccionan el agua en dos componentes, vertical y horizontal (dirección de flujo en el modelo). El escurrimiento superficial y de inter flujo RT esta descrito de la siguiente manera: 16

El modelo permite definir escurrimiento dirigido hacia elementos como ríos y acuíferos. Para los casos en que las condiciones general flujo subsuperficial, el flujo base del segundo balde es estimado con la siguiente ecuación: Donde el flujo de entrada hacia este balde, S max es la percolación desde el balde superior dado en la ecuación de Rd j, y k s2 es la conductividad saturada en el balde inferior (mm/paso de tiempo de simulación), la cual que es dada como un valor general para la cuenca (no lleva subíndice j). Las ecuaciones de Rd j y S max deben ser resueltas por medio de iteración para obtener valores coincidentes en ambos baldes para lo cual WEAP utiliza un algoritmo predictor-corrector. Si se quisiese realizar una representación de acuíferos de forma separada y se estableciera un elemento para este tipo de estructura (acuífero aluvial), el segundo término de la ecuación de S max, es ignorado y la recarga R (volumen/paso de tiempo) hacia el acuífero es: Donde A j es el área de aporte del elemento j. El agua que se queda en la superficie del suelo, conocida como inundación, puede ocurrir debido a cultivo de arroz, humedales manejados o no manejados, o inundación en la planicie inundable. La inundación existe si la zona de raíces está saturada. El método SM calcula el flujo afuera de la zona de raíces teniendo en cuenta evapotranspiración, influjo y percolación profunda. Para representar los procesos de almacenamiento en planicies inundables en el río Mamoré y los humedales del Itenez, se aplicó el módulo de inundación de WEAP. Este módulo permitió representar la dinámica de inundaciones de forma básica con el fin de entender su impacto en el balance hídrico regional. El método tiene un enfoque conceptual y más simple que otros sistemas de modelación como HEC-RAS (USACE and RMA, n.d.) o MIKE21 (DHI, 2016), los cuales requieren más información y tiempo de ejecución. En el módulo de inundación, WEAP simula el movimiento de agua entre el río y las planicies inundables usando un componente de almacenamiento superficial en la unidad hidrológica ( catchment ). Las aplicaciones potenciales de este módulo incluyen la simulación de plantaciones de arroz, manejo de humedales artificiales, o inundación natural. La Figura 5 muestra la conceptualización del balance hídrico del componente de almacenamiento superficial, y su relación con los dos baldes del modelo hidrológico de humedad de suelo. Los flujos de evapotranspiración, escorrentía superficial, flujo sub-superficial y percolación a la zona profunda están estimados con los algoritmos del método de SM. La escorrentía superficial incluye el caudal de salida de la planicie de inundación, el cual es definido como un porcentaje de agua por encima de un umbral de almacenamiento en la planicie de inundación. El caudal de entrada a la planicie de inundación está definido como un porcentaje de agua por encima de un umbral de caudal en el río. Este volumen de agua se puede distribuir entre diferentes catchments, y entre diferentes clases de uso de suelo dentro del catchment. Las ecuaciones para calcular los flujos asociados con la planicie inundada están descritas con más detalle en (Angarita et al., n.d.). Para aplicar el módulo de inundación, se definieron seis parámetros: Límite de inundación del río (River Flooding Threshold): Es el caudal límite justo antes de la inundación y se define en el tramo del río. 17

Figura 5. Conceptualización del balance hídrico en las lagunas de inundación y su relación con los componentes del modelo soil moisture Fracción de inundación del río (River Flooding Fraction): Es el porcentaje del caudal por encima del caudal límite que va a la planicie de inundación y se define en el tramo del río en WEAP. Fracción de inundación recibida (Fraction flooding received): Es el porcentaje del volumen de inundación que llega a cada clase de uso de suelo y se define en el objeto del catchment. Profundidad máxima (Maximum depth): Es el nivel máximo en la planicie de inundación sobre el cual el flujo vuelve al río. Fracción de retorno de inundación (Flood return fraction): Es el porcentaje de agua sobre la profundidad máxima de la planicie que vuelve al río en un paso de tiempo y se define en el objeto catchment. Este parámetro sirve para extender la duración de la inundación en la planicie después de que ha llegado a su profundidad máxima. Curva volumen-área-elevación: Define la relación entre el volumen de inundación y el área inundada para cada catchment. WEAP requiere datos de altura de inundación (H) y la correspondiente Área Inundada (A) para calcular el volumen de inundación. 2.4.2 Información biofísica (Cobertura y Suelo) La información biofísica considerada para este estudio específicamente para la parametrización del modelo hidrológico fue principalmente cobertura vegetal y tipo de suelo, la primera de fuente de la Agencia Espacial Europea (ESA) y la segunda de la FAO. En Abril de 2017 la iniciativa de Cambio Climático y Cobertura Vegetal (CCI-LC) de la Agencia Espacial Europea (ESA) publicó un set de mapas de cobertura vegetal consistente. El producto es acompañado por una Guía de Usuario del Producto (PUG) que provee información detallada de su creación y características. Esta sección describe los aspectos importantes del set de datos, pero para más información detallada se recomienda usar el PUG el cual está disponible en sitio web del CCI donde los datos también pueden ser bajados. Los datos están disponibles en formatos GeoTIFF y NetCDF. El producto ESA-CCI-LC se fundamenta en datos del satélite Espectrómetro de Imágenes de Media Resolución (MERIS) y del PROBA-V y de una combinación de datos de AVHRR y SPOT-VGT para crear una clasificación de cobertura vegetal completa que cubre el período entre 1992-2015 (24 años) con una resolución de 300 m. La topología de cobertura vegetal fue definida en el Sistema de Clasificación de Cobertura Vegetal (LCSS) desarrollado por la Administración de Alimentación y Agricultura (FAO) de las Naciones Unidas (UN) con el objetivo de proveer un máximo de compatibilidad con los productos ESA GLC200, GlobCover 2005 y 18

Figura 6. Clasificación de ESA-CCI-2010 para Bolivia con 36 clases de cobertura vegetal a una resolución de 300 m 2009. Además, el UNLCCS es compatible con los Tipos de Plantas Funcionales (PFTs) usados en los modelos climáticos. Esta característica hace este producto particularmente adecuado para los propósitos de este estudio el cual depende de una representación ajustada a las características hidrológicas de la vegetación. Otra característica útil del UN-LCCS es que está diseñado para realizar una clasificación jerárquica ajustable para describir las clases de Cobertura Vegetal. El resultado de la clasificación para este estudio cuenta con 22 clases principales y 10 sub-clases disponibles. De forma inversa, el set de datos puede ser generalizado siguiendo las 6 clases del IPCC consideradas para la detección de cambios. Esto se considera útil particularmente para nuestro proyecto ya que se busca capturar la cobertura vegetal general en WEAP. Para una caracterización efectiva de los objetos de catchment, WEAP generalmente requiere una combinación de terreno, uso de suelo y parámetros de suelo. Para el propósito del proyecto se usaron las seis clases del IPCC para detectar cambio, con una modificación pequeña que mantiene el detalle proveído por la clase denominada otros tipos de cobertura de suelo. Bajo la clasificación del IPCC los arbustos, vegetación escasa, zonas desnudas y agua se unen en una clase general otra. La clasificación resultante tiene 9 clases: agricultura (agriculture), bosque (forest), herbácea (grassland), humedales (wetland), matorrales (shurbland), vegetación dispersa o aislada de arbustos y gramíneas (other/ bare), cuerpos de agua (water), nieve/glaciar (snow/ice), y centros poblados/urbano (settlement). Respecto a la información de suelos se ha evaluado y usado la información del mapa digital de suelos de la FAO del año 1995 a escala 1:5 000.000. La fuente mencionada cuenta con una base de datos con información de las principales propiedades físicas y químicas del suelo, para este estudio en particular se extrajo la información de textura del suelo. 19

20

3. Características fisiográficas de Bolivia El conocimiento general de las características fisiográficas del país sirve como marco general para el desarrollo del balance hídrico. En Bolivia se distinguen las siguientes provincias fisiográficas: Cordillera Occidental, Altiplano, Cordillera Oriental, Sub-Andino, Llanura Chaco-Beniana, Escudo Brasilero, y las Superficies de Erosión de Pando o paisaje ondulado amazónico (Figura 7). A continuación se describe en forma breve cada provincia (Suárez, 2017). Figura 7. Esquema gráfico de provincias fisiográficas de Bolivia 3.1 Cordillera Occidental o Complejo Volcánico En esta provincia se distinguen aparatos volcánicos constituidos por rocas de origen volcánico de composición andesítica, y ríolíticas mayoritariamente, conformando un paisaje de edificios volcánicos altos y pendientes escarpados a muy escarpadas. Las pendientes, por su grado de inclinación, en muchos casos no favorece la infiltración de las aguas, tanto de precipitación como de escurrimiento. Los suelos son mayoritariamente poco desarrollados o poco profundos donde generalmente predominan los afloramientos rocosos y por supuesto el escurrimiento superficial es mayor a la infiltración. Otro hecho que no favorece la infiltración es que la cubierta vegetal es muy esparcida y en muchos casos ausentes presentando suelos desnudos. Por lo general los pocos suelos existentes son andosoles, según la clasificación de la FAO. En esta unidad también se observan mesetas de origen volcánico, las mismas que presentan un relieve alto y plano, fuertemente disectada en la mayoría de los casos, modelado en tobas o ignimbritas que ocupan grandes extensiones regionales. Se pueden observar también pequeñas llanuras de inundación donde se pueden encontrar suelos orgánicos con gramináceas en las regiones periglaciares conocidas como bofedales que contienen abundante cantidad hídrica, en algunos casos estos bofedales dan origen a cursos de ríos importantes. 21

La vegetación es pobre mayormente constituida por gramíneas que conforman escasos pastizales; el clima es de árido a semiárido y frío. Los suelos son muy poco profundos y bien drenados de textura arenosa y a mayor profundidad se puede encontrar niveles de arcilla. Las mesetas de lava, por lo general, muchas de ellas se encuentran fuertemente diaclasadas o con grandes aperturas que permiten alta infiltración y que por lo general dan origen a corrientes importantes de cursos de agua. La componente litológica que se ha mencionado, además de la pendiente plana y diaclasamiento de las rocas, favorece sobre manera el grado de infiltración del agua. 3.2 Altiplano o Graben Estructural Esta forma de macro relieve se caracteriza por manifestar un relieve de pedillanura o pediplano como consecuencia de la coalescencia de varias llanuras de pedimentos procedentes, por acción del agua, de las partes altas, probablemente de edad cuaternaria. El Altiplano presenta además en forma aislada serranías y colinas que se destacan de la vastedad. Esta provincia presenta una disección media a baja, donde los suelos son profundos a moderadamente profundos de textura franco arenosa, arenosos francos, franco arcillo arenosos y arenosos con abundante grava, muchas veces, tanto en superficie como en profundidad. La vegetación predominante son gramíneas y arbustos dispersos y aislada. Gran parte de la llanura altiplánica está formado por material suelto procedente por desintegración de las rocas de las partes altas, tanto de la Cordillera Oriental como Occidental, los mismos que son transportados, ya sea por gravedad, por cursos de ríos y escurrimiento difuso o superficial; lo que hace que los suelos sean pedregosos y arenosos, favoreciendo de ese modo el grado de infiltración. 3.3 Cordillera Oriental o Bloque Paleozoico La Cordillera Oriental o Bloque Paleozoico está conformada especialmente por rocas del Paleozoico, como su nombre lo indica, que pueden fluctuar en edades desde el Ordovícico hasta el Terciario y sedimentos del Cuaternario. Esta provincia, por la misma composición litológica, se encuentra fuertemente disectada donde mayoritariamente dominan los suelos poco profundos y afloramientos rocosos. Resulta ser un bloque donde las alturas superan los 5000 msnm lo que favorece la formación de amplios campos de nieve perennes particularmente lo referente a la Cordillera Real al norte del paralelo 17 con la acumulación de extensos glaciares. La mayor disección está dada por la predominancia de rocas lutíticas y metamórficas con suelos poco profundos, mayormente Leptosoles y Regosoles, según FAO. Lógicamente esa gran disección favorece la formación de valles interandinos que permite el desarrollo de una actividad agrícola, tanto extensiva como en algunos casos intensiva. Esta provincia al sur del paralelo 17 tiene un rumbo o dirección N-S con un clima específico; mientras que al norte de dicho paralelo el rumbo o dirección cambia bruscamente de SE a NW donde dicha característica influye en las condiciones climáticas. En esta última parte la vegetación es de bosque denso mayormente siempre verde de suelos poco profundos, y moderadamente profundos a profundos. No obstante en la parte sur en la parte alta del río Pilcomayo, la vegetación está conformada mayoritariamente por gramíneas mientras que en la cuenca central y baja por un bosque ralo mayormente caducifolio. 3.4 Sub-Andino El Sub-Andino al igual que la Cordillera Oriental adquiere el mismo estilo tectónico donde a partir del paralelo 17 se produce una gran deflexión en el rumbo o dirección debido a un fuerte control tectónico, hecho que influye en sus propiedades y características fisionómicas. Otras de las características es el marcado paralelismo que la conforman serranías y valles, tanto en el sur como en el norte, y se constituyen por su estilo tectónico en un área de altas perspectivas petroleras. Esta provincia se encuentra conformada mayoritariamente por rocas que fluctúan 22

en edad desde el Devónico hasta el Cretácico y Terciario, constituida la misma esencialmente por areniscas. Esta provincia se halla de moderada a fuertemente disectada con pendientes de escarpadas a moderadamente inclinadas. Los suelos son muy poco profundos a profundos con predominancia de afloramientos rocosos (Regosoles y Leptosoles). La vegetación está constituida por un bosque denso siempre verde y caducifolio, en algunos sectores con especies gramináceas. Las fuertes pendientes y los suelos poco desarrollados favorecen mayormente al escurrimiento superficial, antes que a una infiltración, lo que permite la formación de corrientes superficiales o ríos; en algunos casos conforman amplios valles inter-subandinos. Otras de las particularidades del bloque Sur es la presencia de piedemontes amplios; mientras que en el bloque Norte, estos piedemontes son más estrechos. En estos piedemontes o ramplas los suelos apegados o cerca al bloque montañoso son muy poco profundos, en la pendiente media del piedemonte los suelos son moderadamente profundos, mientras que en la parte inferior del piedemonte los suelos son profundos a muy profundos, y las posibilidades de encontrar aguas subterráneas son inmejorables, donde también se desarrolla una mejor actividad agrícola. El piedemonte se tipifica por una pendiente ligeramente inclinada de disección baja y cubierta de vegetación densa perennifolio con un clima cálido y húmedo. 3.5 Llanura Chaco - Beniana La Llanura Chaco-Beniana es una extensa y amplia superficie plana a ligeramente inclinada, principalmente hacia el sur, ubicada entre el Escudo Brasilero de edad precámbrica y las últimas estribaciones del orógeno andino y que geotectónicamente está conformando una cuenca o Cuenca Pericratónica rellenada por sedimentos sueltos de edad cuaternaria procedente de las partes altas (Sub-Andino y Escudo Brasilero). Esta provincia se individualiza o se distingue por ser una cuenca rellenada principalmente sobre rocas subyacentes de edad tanto silúrica, devónica como terciarias y cretácicas que conforman la Plataforma Continental o Cuenca Intercratónica. La unidad se tipifica también por un relieve plano a muy suavemente ondulado conformado por extensos depósitos coluviales y aluviales, en ciertos sectores se observan ligeras depresiones eventualmente inundadas con presencia de formas menores en los principales ríos como cicatrices de corrientes y meandros abandonados. Los suelos son mayoritariamente profundos y particularmente arenosos; ahora bien, tanto la pendiente como la composición de los suelos favorecen la infiltración. 3.6 Escudo Brasileño Esta unidad se encuentra ampliamente desarrollada en el extremo oriental del país, en el límite fronterizo con la República Federativa del Brasil. Asimismo, está mayormente constituida por rocas ígneas metamórficas de edad precámbrica, y se caracteriza por presentar un relieve moderadamente alto, plano a fuertemente ondulado. Esta forma de relieve conforma una extensa penillanura o superficie de erosión (etchplain), observándose muchas formas de relieve como cerros islas o inselbergs, mesas y otras. Esta provincia también se encuentra fuertemente disectada definiendo un diseño dendrítico. Los suelos son poco profundos de coloración rojiza a amarillenta, típica de las regiones tropicales, generalmente definidos como ferrosoles y plintisoles conformado por arenas y arcillas; básicamente se trata de suelos fuertemente intemperizados y laterizados. La vegetación dominante consiste en un bosque semidecíduo de un clima húmedo a subhúmedos. El grado de infiltración por las características descritas y la composición litológica como el grado de inclinación, puede considerarse de moderada a baja, es decir son poco permeables. La formación de una superficie de erosión se debe mayormente a las condiciones climáticas muy húmedas y variables en el tiempo pasado, que permiten un fuerte intemperismo químico de las rocas precámbricas. 23

3.7 Superficie de erosión de Pando Esta provincia se caracteriza por un relieve plano a fuertemente ondulado conocido o denominado también como Ondulado Pandino. Esta provincia está fuertemente disectada, y constituida o compuesta principalmente por arcillas gris amarillentas rojizas de edad probablemente terciaria (Mioceno Superior) que definen la Formación Cobija. Por encima de esta unidad se encuentra horizontes conglomerádicos probablemente del Pleistoceno Superior denominado como Formación Acre. Sucesivamente por arriba se encuentran depósitos holocénicos como arenas, arcillas y arenas arcillosas. Los suelos son moderadamente profundos a muy profundos de coloración rojiza amarillentas de textura franco arenosa a franco arcilloso. La vegetación es un bosque alto tropical húmedo amazónico. El grado de infiltración puede considerarse de moderado a bajo, dado por que los suelos contienen arcilla. Las características fisiográficas descritas en esta sección tienen una relación directa con el balance hídrico pues determinan la localización de las unidades hidrográficas y su comportamiento hidrológico. Los parámetros de calibración del algoritmo del balance hídrico en WEAP responden a estas características fisiográficas presentadas. 24

4. Las Cuencas Hidrográficas y sus Balances Hídricos En Bolivia se distinguen tres macrocuencas, las cuáles son: Amazonas, Altiplano o Cerrada, y La Plata (Figura 3). La macrocuenca Amazonas hasta el punto de salida del territorio boliviano en el río Madeira abarca una superficie aproximada de 957,711.54 km 2, y los principales tributarios son los ríos Beni, y Mamoré. A su vez el río Bení está conformado por los ríos Madre de Dios y río Beni. Los principales tributarios del río Mamoré son el río Itenez o Guaporé y río Mamoré. La macrocuenca Cerrada o también llamada Endorreica se encuentra localizada en el margen occidental de Bolivia y abarca una superficie de 216,693.26 km 2. En esta macrocuenca se encuentran importantes cuerpos de agua como el Lago Titicaca y el Lago Poopó, y que están conectadas por el río Desaguadero. En el caso del lago Titicaca es compartido con la república del Perú. En esta macrocuenca generalmente se distinguen las siguientes cuencas: Lago Titicaca, Mauri, Desaguadero, Lago Poopó, Coipasa, y Uyuni. La macrocuenca de La Plata en el territorio Boliviano abarca una superficie de 264,589.19 km 2. Las principales cuencas son la del río Pilcomayo, Bermejo y las cuencas en la región de Chaco y la Chiquitanía. El MMAyA para este proyecto ha definido las unidades hidrográficas (UHs) combinando los niveles 6, 7 y 8 de Hydrobasin 2 según la clasificación de Pfafstetter. Para el dominio espacial de este estudio existen un total de 96 UHs. En la Tabla 2 se muestra la distribución de las UHs Figura 8. Macrocuencas de Bolivia en las principales regiones. Tabla 2. Resumen de puntos de calibración e unidades hidrográficas del BHSB de Bolivia Macro Cuenca No de puntos de calibración No de Unidades Hidrográficas Altiplano Norte 14 9 Altiplano Sur 0 6 Amazonas 30 54 Pilcomayo 15 7 Bermejo 11 2 Gran Chaco 0 18 Total 70 96 Los balances hídricos de las unidades hidrográficas a nivel mensual se encuentran en el Anexo 1 en sus componentes principales como precipitación, evapotranspiración y escurrimiento; y en el Anexo 2 se encuentran los mapas correspondientes a nivel anual. En la siguiente sección, se resaltan algunos puntos claves del análisis del balance hídrico. En esta sección se presenta los puntos más importantes de los resultados obtenidos del balance hídrico. 2 http://www.hydrosheds.org/page/hydrobasins 25

26

5. Características del Balance Hídrico (Base) En los anexos de este documento se puede consultar el detalle de los resultados en cada UH en sus principales componentes como la precipitación, evapotranspiración y escurrimiento. Los resultados que se muestran a continuación corresponden para el periodo 1980-2016. 5.1 Precipitación 5.1.1 Distribución estacional de las precipitaciones Según Roche et al. (1992), la estación lluviosa en Bolivia comprende los meses de diciembre a marzo, la estación seca de mayo a agosto, y dos periodos de transición separan estas dos épocas, uno en abril y otro de septiembre a noviembre. Asimismo, los autores mencionan que entre un 60 a 78% de las precipitaciones ocurren en la estación lluviosa, y de 0 a 15% durante la estación seca. Según los resultados obtenidos en este estudio, por ejemplo, en la macrocuenca Altiplano el 76% de la precipitación sucede en la estación húmeda y un 4% en la estación seca. Un patrón similar ocurre en algunas cuencas importantes de la macrocuenca de La Plata, Pilcomayo y Bermejo, donde las precipitaciones durante la estación húmeda representan un 76 y 74% del total anual respectivamente; mientras que en la estación seca un 3%. El patrón estacional en la macro cuenca Amazonas es diferente en términos de magnitud, la precipitación en la estación húmeda representa un 59% del año hidrológico; y en la estación seca un 11%. En las tres macro cuencas la precipitación máxima sucede en el mes de enero, y la mínima en julio (Figura 9 y Tabla 3). Figura 9. Precipitación media multimensual para el periodo 1980-2016 Tabla 3. Precipitación media multimensual periodo 1980-2016 Cuenca SEP OCT NOV DIC ENE FEB MAR ABR MAY JUN JUL AGO Altiplano 10.59 19.13 28.46 60.14 109.27 86.04 61.90 21.38 4.66 4.24 3.14 6.26 Pilcomayo 7.99 23.82 43.59 84.13 115.87 95.24 73.96 26.61 5.74 2.30 1.80 3.51 Bermejo 10.90 43.06 90.91 156.25 194.86 181.34 161.70 60.97 15.19 5.75 4.37 5.11 Amazonas 68.85 117.92 179.90 233.94 267.39 254.74 219.53 129.41 79.89 37.39 28.63 30.70 5.1.2 Distribución espacial de las precipitaciones Para el dominio espacial del presente estudio la precipitación media multianual fue estimada en 1236 mm para el periodo hidrológico 1980-2016. Según los patrones espaciales producidos por GMET (Figura 10), existe una variabilidad creciente en dirección SW a NE. Las precipitaciones más bajas ocurren al SW de Bolivia (parte de la cordillera Occidental y Altiplano), con magnitudes menores a 200 mm y hacia la parte central del Altiplano existe un incremento hasta llegar a 500 mm; y al Norte es más húmedo especialmente en proximidades del 27

lago Titicaca donde alcanza magnitudes de 1000 mm. En la cordillera Oriental, la región Norte es más húmedo (500-2000) que la región Sur (200-500 mm), esta variación posiblemente este influenciado por la gran deflexión en el rumbo o dirección a partir del paralelo 17 en la cordillera debido a un fuerte control tectónico; sin embargo hacia el extremo sur entre la cordillera oriental y la faja Sub-Andina es tambien húmedo (Bermejo). En proximidades de dicha deflexión se produce la precipitación más alta con magnitudes de 5000 y 6000 mm. Por otro lado, en gran parte de la llanura Chaco-Beniana las precipitaciones anuales oscilan entre 1000 y 2000 mm, con disminución hacia la región del Chaco (Sur de la Llanura Chaco-Beniana) con precipitaciones en el intervalo de 500-1000 mm. 5.1.3 Precipitación por macro cuencas 5.1.3.1 Amazonas Figura 10. Precipitación media multianual periodo 1980-2016 En esta macrocuenca para el dominio espacial de este estudio la precipitación media multianual es 1648.27 mm. En la cuenca Ichilo-Mamoré la precipitación varía entre 514.66 y 2926.7 mm. Las UHs de la cordillera Oriental son las más secas (por ejemplo Mizque). La UH más humedad está entre la vertiente oriental de la faja Sub- Andina y el piedemonte, Río Mamoré-Chapare. En las UHs de la cuenca de río Beni la precipitación fluctúa en un rango de 1177.87 y 1737.75 mm. En las UHs de la cuenca Itenez o Guaporé la precipitación varía entre 894.61 y 2084.09 mm, siendo la UH Parapetí la más seca. En Madre de Dios la precipitación media multianual es 2469.04 mm. 5.1.3.2 La Plata En la cuenca del río Pilcomayo, en las UHs que están localizadas en la cordillera Oriental la precipitación media multianual varía entre 292.31 y 583.68 mm, mientras que en el Sub-Andino y la llanura del Chaco está en el orden de 690.70 mm. La UH hidrográfica más seca es la parte alta del río San Juan del Oro y Tupiza. En el estudio de Espinoza D. (2006) y Molina and Espinoza (2006) para el período 1970-2000 la precipitación multianual a nivel de cuencas fluctúa entre 262.8 y 771.5 mm. Mientras que en el balance hídrico nacional del año 1992 varía entre 345 y 700 mm (Roche et al., 1992). En la cuenca del río Bermejo, la precipitación en la UH Río grande de Tarija es 875.22 mm y la UH Río Bermejo 1106.38 mm; en la parte boliviana de la macrocuenca La Plata esta última es la UH más húmeda. La estimación 28

de precipitación en ambas cuencas está dentro de los rangos identificados para la región en el balance hídrico de 1992 (Roche et al., 1992). En las UHs de la llanura del chaqueña y Escudo Brasilero la precipitación fluctúa entre 591.2 mm y 1068.96 mm. La región del Chaco presenta los valores más bajos. 5.1.3.3 Altiplano La distribución espacial de la precipitación media anual tiene un patrón decreciente de Norte a Sur a lo largo de toda la macrocuenca, y de Este a Oeste en la región central y Sur. La precipitación multianual fluctúa entre 162.49 y 754.29 mm; siendo las UHs del Sur los más secos, y el más húmedo es la UH Lago Titicaca. En las UHs de la cuenca del lago Titicaca, la más húmeda de la macrocuenca, la precipitación varía entre 553.28 y 754.29 mm. Estos valores no incluyen la precipitación en el cuerpo de agua. Por otro lado, en la cuenca de Mauri la precipitación está en el orden de 348.42 mm y en Desaguadero varía entre 381.15 y 595.35 mm. En la parte central de la macrocuenca, en Coipasa y Poopo, la precipitación es 259.99 y 396.46 respectivamente. Mientras que las UHs del Sur fluctúa entre 162.49 y 203.57 mm. 5.2 Evapotranspiración En las cuencas donde existe información de caudales medidos para la calibración, la evapotranspiración real ha sido obtenida del balance hídrico producido por modelo hidrológico SM. Mientras que en las cuencas sin calibración se ha aplicado la ecuación de Turc, donde esta variable es estimada directamente mediante una ecuación empírica basada en datos de temperatura media. Ya que la temperatura juega un rol esencial en el estimado de la ETP, a continuación se presenta un análisis de los valores de temperatura obtenidos a nivel estacional y regional. 5.2.1 Temperaturas del aire En la Figura 11 se muestra los patrones espaciales de temperatura promedio multianual para el periodo 1980-2016. En las montañas altas de las cordilleras Occidental y Oriental se puede observar valores menores a 5 C. En gran parte del Altiplano la temperatura media anual oscila entre 7 y 10 C. En la Llanura Chaco-Beniana el intervalo está entre 24 y 26 C, pero con incremento hacia el Norte al intervalo 26-27 C. En la Faja Sub Andina la temperatura promedio fluctúa entre 20-24 C. Figura 11. Temperatura promedio multianual para el periodo 1980-2016 29

A nivel mensual, en los meses junio y julio la temperatura media es la más baja del año (Figura 12), en gran parte del Altiplano y en las cordilleras Occidental y Oriental la temperatura media es menor a 5 C, mientras en el verano la temperatura puede llegar hasta 15 C. En la Llanura Chaco-Beniana los meses más fríos también son junio y julio con temperatura media que fluctúa entre 20 y 24 C, desde el mes de octubre hasta enero se incrementa hasta sobrepasar los 27 C. Figura 12. Temperatura media multimensual [ C] para el periodo 1980-2016. 5.2.2 Distribución estacional y espacial de la ETR En las macrocuencas Altiplano y La Plata entre un 63 y 67% de la evapotranspiración sucede en la estación húmeda, y en la seca entre 9 y 11%. Un patrón estacional distinto sucede en la macrocuenca Amazonas donde la evapotranspiración en la estación húmeda representa un 43%, y en la estación seca 24%. Estas diferencias están influenciadas por la precipitación, donde generalmente las dos primeras macrocuencas se caracterizan por ser más 30

seco comparado con Amazonas. En el Altiplano la evapotranspiración representa un 75% de la precipitación, similar comportamiento sucede en el Pilcomayo; en tanto que en Bermejo es 47%, y en Amazonas un 42%. Los resultados del balance hídrico indican que los valores mínimos de ETR ocurren en los meses de julio y agosto (Tabla 4). En el Altiplano (sin incluir Uyuni) es en julio con 5.15 mm, en Amazonas en agosto con 43.97, en el Pilcomayo y Bermejo es también en agosto con 4.98 mm y 8.78 mm respectivamente. Figura 13. Evapotranspiración media multimensual periodo 1980-2016 Cuenca SEP OCT NOV DIC ENE FEB MAR ABR MAY JUN JUL AGO Altiplano 8.69 15.25 22.39 40.38 66.47 68.25 62.75 38.12 17.15 7.38 5.15 5.64 Pilcomayo 6.74 16.78 30.97 56.71 77.62 74.33 69.60 43.04 19.94 8.91 5.62 4.98 Bermejo 9.12 22.50 46.27 75.95 91.79 80.46 76.90 48.74 26.45 13.29 9.89 8.78 Amazonas 47.81 69.39 87.75 103.68 106.95 96.39 103.95 89.14 75.20 59.40 51.42 43.97 Evapotranspiración por cuencas Según el mapa de evapotranspiración media multianual los valores más bajos ocurren al SW de Bolivia con valores inferiores a 100 mm, y los más altos en las cuencas de Madre de Dios, Ichilo e Itenez o Guaporé. En la macrocuenca Altiplano la región central (Coipasa, Desaguadero, Mauri y Poopó) la evapotranspiración varía entre 200 y 400 mm, mientras que al norte existe un incremento hacia un rango de 400 y 600 mm. En el Pilcomayo el patrón espacial es decreciente de E a W, en el margen occidental la evapotranspiración fluctúa entre 200 y 400 mm y mientras que en la oriental entre 400 y 600 mm. En la macrocuenca Amazonas, los valores más bajos ocurren en la parte alta del río Grande con magnitudes que varían entre 400 y 600 mm. 5.2.2.1 Amazonas La ETR en el conjunto de la macrocuenca para el dominio espacial de este estudio es 935.02 mm lo cual representa un 56% de la precipitación. En las UHs de Ichilo-Mamoré la ETR varía entre 404.47 y 1181.8 mm, los valores más bajos ocurren en la zona alta de la cuenca Río Grande. En las UHs de la cuenca Río Beni, oscila entre 721.99 y 971.78 mm. En la cuenca Itenez o Guaporé varía entre 601.81 y 1115.65 mm, donde el valor más bajo corresponde a la UH Río Parapetí. En la cuenca Madre de Dios la ETR está en el orden de 1175.71 mm. 5.2.2.2 La Plata En las UHs de Pilcomayo, la ETR oscila entre 267.63 y 590.44 mm lo cual representa entre un 81 y 91% de la precipitación. En las UHs Tumusla y Río San Juan del Oro-Tupiza la evapotranspiración representa un 90 y 91% de la precipitación respectivamente. En la llanura chaqueña es donde se observan valores más altos de ETR. En el balance hídrico del año 1992 (Roche et al., 1992), la ETR fue estimado en el rango de 282 y 635 mm. 31

En las UHs Río Grande de Tarija y Río Bermejo la ETR representa un 56 y 51% de la precipitación respectivamente. Por otro lado, en las UHs de la llanura Chaqueña y Chiquitanía la ETR representa entre 64 y 87% de la precipitación. 5.2.2.3 Altiplano La ETR obtenido del balance hídrico en esta macrocuenca (sin incluir Uyuni) oscila entre 246.27 y 590.46 mm, que representan entre un 82 y 94% de la precipitación característico de climas semiáridos. Mientras que en las UHs de Uyuni la ETR representa entre el 83 y 99% de la precipitación, es decir que prácticamente en algunas zonas la ETR es igual a la precipitación. 5.3 Escurrimiento El cálculo de la escorrentía de cada unidad hidrográfica se encuentra en la plataforma de WEAP como un resultado clave del estudio, presentando valores para la serie de tiempo completa desde 1980-2016. En estos datos se puede observar la variabilidad del régimen hidrológico en cada subcuenca con características específicas para cada región del país. 5.3.1 Patrón estacional En las tres macrocuencas el escurrimiento máximo ocurre en el mes de febrero, y los valores más bajos en agosto (Tabla 5 y Figura 14). En la macrocuenca Altiplano un 79% del escurrimiento sucede en la estación húmeda, mientras que en Pilcomayo y Bermejo (La Plata) un 78 y 71% para ambos casos. En la macrocuenca Amazonas el escurrimiento en la estación húmeda representa un 66% del total anual. Figura 14. Escurrimiento medio multimensual en mm para el periodo 1980-2015 Tabla 5. Escurrimiento medio multimensual en mm para el periodo 1980-2015 Cuenca SEP OCT NOV DIC ENE FEB MAR ABR MAY JUN JUL AGO Altiplano 0.96 1.086 1.467 3.25 13.47 16.78 10.13 3.449 1.42 1.03 0.94 0.92 Pilcomayo 1.12 1.27 2.11 5.832 17.02 18.95 13.3 4.704 2.05 1.4 1.19 1.12 Bermejo 5.31 8.371 20.71 47.34 78.51 90.79 85.67 45.32 19.8 9.95 6.74 5.5 Amazonas 13.5 16.84 39.24 78.84 117.3 127.3 99.7 55.85 35.2 22.7 17.1 13.2 32

5.3.2 Amazonía El aporte anual de esta macrocuenca estimado en el río Madeira es 615,382.98 hm3, lo que equivale a un módulo anual de 18,345.20 m3/s. En el balance hídrico del año 1992 el módulo fue estimado en 17,000 m3/s (Roche et al., 1992). Los aportantes más importantes del río Maderia son el río Beni y río Mamoré, hasta el punto de confluencia el módulo de estos ríos es 8,199.68 y 9,171.48 m3/s respectivamente. Ahora, los tributarios más importantes en el río Beni son Madre de Dios y río Beni, el caudal anual hasta la confluencia de ambos es 5,046.16 y 2,288.16 m3/s respectivamente. En el Mamoré, los tributarios son el río Mamoré y río Itenez o Guaporé, el módulo estimado para ambos es 4,577.41 y 3,192.00 m3/s. 5.3.3 La Plata El aporte anual río Pilcomayo hasta el punto de medición Misión La Paz es 6,161.50 hm3, lo que equivale a un módulo de 195.38 m3/s. La escorrentía expresada por el coeficiente de escurrimiento fue estimado entre 9 y 19%. El valor mínimo de este estudio es similar al estudio de (Espinoza D., 2006; Molina and Espinoza, 2006) como de (Roche et al., 1991), sin embargo el valor máximo reportado por ambos estudios es 54 y 68% respectivamente. El caudal específico estimado varía entre 0.79 y 3.47 l/s/km 2. En el balance del año 1992 se reporta en el rango de 1.7 y 3.5 l/s/km 2, mientras que en el estudio de (Espinoza D., 2006; Molina and Espinoza, 2006) entre -1.1 y 7.3 l/s/km 2 ; los valores negativos se debe a las perdidas hacia aguas subterráneas entre la estación Villamontes y Misión La Paz. En la cuenca Bermejo, el aporte anual de la UH de Río Bermejo es de 2,807 hm3 por año, y de la UH Río Grande de Tarija es de 6,408.86 hm3; en términos de modulo anual sería 89.01 y 203.22 m 3 /s respectivamente. El coeficiente de escorrentía en la UH Río Bermejo es 49% y en Río Grande de Tarija 44%, mientras que el caudal específico 17.5 y 12.28 l/s/km2 para ambos casos. 5.3.4 Altiplano El volumen anual de las cuencas aportantes del lago Titicaca es 7,002.25 hm3. El aporte anual del río Desaguadero hasta la estación hidrométrica Chuquiña es 1,871.98 hm 3 es decir que el modulo anual es 59.36 m 3 /s. Hacia el sur de esta macrocuenca, Uyuni, el aporte anual estimado con base a la ecuación general de balance hídrico fue 875.24 hm 3 lo que equivale a un caudal anual de 27.27 m 3 /s. El coeficiente de escorrentía está en el rango de 5 y 21% (sin incluir Uyuni), donde el valor más bajo está en la UH Salar de Coipasa, donde casi el 95% de la precipitación se pierde por evapotranspiración. Valores altos se observan en las UH Lago Titicaca y Río Ilave. El caudal específico varía entre 0.40 y 5.07 l/s/km 2. En las UHs de la región Sur el coeficiente de escorrentía varía entre 0.69 y 17.01%, y el caudal especifico oscila en el rango de 0.04 y 1.59 l/s/km 2. 5.4 Balance Hídrico en los Lagos En el Lago Titicaca (cuerpo de agua) la precipitación fue estimada en 855.63 mm, y la evaporación en 1658.97 mm; el caudal total de las cuencas aportantes al lago es de aproximadamente 222.04 m 3 /s, y el caudal de salida hacia el río Desaguadero 22.56 m 3 /s. Estos resultados son similares a los reportados en otros estudios (Agua Sustentable, 2016; Roche et al., 1991), aunque los períodos de modelación son distintos. Por ejemplo en el estudio de Roche et al. (1991), la precipitación está en el orden de 880 mm y la evaporación en 1658 mm, y el módulo de las cuencas aportantes es 269.85 m 3 /s En el lago Poopó la precipitación fue estimada en 357.53 mm, y la evaporación en 1,887.28 mm. El caudal de entrada desde el río Desaguadero y las cuencas locales hacen un total de 67.86 m 3 /s. 33

34

6. Incertidumbre y Error del Balance Hídrico La incertidumbre de un esquema de balance hídrico puede evaluarse desde varios puntos de vista. Usando el marco propuesto por Van Asselt and Rotmans (2002) las fuentes de incertidumbre pueden darse por i) si el modelo es completo o no, ii) los parámetros del modelo, iii) las entradas al modelo y iv) la estructura del modelo. Las incertidumbres sobre si el modelo es completo o no se refieren a si el mismo incluyen todos los procesos relevantes. Las incertidumbres sobre los parámetros se refieren a la selección de los mismos que representan los procesos y a la selección de las ecuaciones para calcularlos. Las incertidumbres sobre la estructura del modelo se refieren a la organización de los algoritmos para obtener los resultados. Respecto al punto i), la metodología usada en este estudio busca ser completa en tanto que representa los diferentes procesos del balance hídrico. Sin embargo, como todo algoritmo, algunos detalles de los procesos no estén representados en su totalidad, incluyendo aspectos específicos de las interacciones entre los diferentes flujos de la escorrentía superficial, sub-superficial, de inundación y de evaporación. Con respecto al punto ii) de los datos de entrada, la red hidrometeorologica existente actualmente en Bolivia, presenta varios vacíos de información que generan incertidumbre. En este sentido, y teniendo en cuenta la importancia de los datos de precipitación y temperatura en la hidrología superficial, se logró establecer una medida del nivel de incertidumbre de este dato de entrada con base en el procesamiento de GMET y la comparación de los resultados, con fuentes de datos satelitales y con datos observados en campo. El presente estudio, se enfoca sobre este dato de entrada como la principal fuente de incertidumbre del BHSB. Sin embargo, el estimado de incertidumbre de las otras variables climáticas (humedad relativa, insolación, velocidad de viento, etc.), no ha sido realizado debido a los métodos seleccionados, los cuales no permiten un cálculo directo del error asociado a dichas variables, sin embargo se ha hecho un análisis de sensibilidad para dar una idea de la relevancia de cada variable en el BHSB. La incertidumbre asociada a los parámetros según el punto iii) se minimizó al máximo teniendo en cuenta el uso de conceptos físicos para determinar los parámetros del modelo hidrológico. Se considera que este tipo de incertidumbre fue enfrentada y reducida con el enfoque de calibración utilizado. Con respecto al punto iv), el uso de un modelo semi-distribuido basado en parámetros físicos para el cálculo del balance hídrico genera incertidumbres ya que la hidrología sucede de forma distribuida y con base en parámetros físicos medidos reales. Sin embargo, se considera que este método es apropiado para representar los aspectos relevantes a la escala espacial y temporal de aplicación del modelo. A continuación se presenta un análisis de la incertidumbre de los datos de entrada de precipitación, como un aspecto prevalente que contribuye a la incertidumbre del balance hídrico. 6.1 Incertidumbre en GMET Entender el nivel de incertidumbre que existe en la estimación de precipitación en el producto de GMET es importante para comprender sus límites y poder aplicar los resultados del balance hídrico dentro de un rango de confianza. Sin embargo, cuantificar la incertidumbre en el producto final es difícil por la gran cantidad de fuentes de incertidumbre o error y los diferentes métodos para cuantificarlos. Existe incertidumbre en los registros de datos observados, donde errores de medición pueden bajar la calidad de información. El proceso de rellenado de series históricas de clima introduce otra incertidumbre a los datos. La densidad y distribución de estaciones en el país también introduce incertidumbre: donde hacen falta de estaciones, una estimación precisa 35

de precipitación es mucho más difícil. El algoritmo mismo de GMET también es una fuente de incertidumbre: usa un método de interpolación probabilístico que puede producir un rango de resultados posibles. Este rango de resultados el ensamble nos permite definir la incertidumbre asociado con el método de interpolación, basado en las estaciones de entrada. Sin embargo, es necesario verificar el resultado de GMET con estaciones de validación para definir su capacidad de reproducir datos observados. Para producir la grilla de precipitación de GMET, se usaron datos de 385 estaciones en Bolivia, Perú, Brasil, Paraguay, Argentina, y Chile, además de 12 puntos de muestreo tomados desde el producto de CHIRPS para cubrir la región de Madre de Dios. La distribución de estas estaciones es muy variable dentro del dominio de estudio, con la mayor densidad de estaciones ubicadas en la cordillera oriental y el sub-andino. La falta de estaciones en las cuencas del Amazonas introduce un mayor nivel de incertidumbre en estas cuencas, por falta de observaciones para producir y verificar una grilla de precipitación. El propósito de introducir 12 puntos de muestreo de CHIRPS en la parte de Madre de Dios era justamente para disminuir el error producido en esta región por falta de información. Como se puede visualizar en el mapa (Figura 15), existen catchments sin ninguna estación; es decir, su estimación de precipitación está enteramente basado en la interpolación de GMET. Figura 15. Densidad de estaciones para estimación de precipitación en GMET Es importante entender la incertidumbre en la estimación de precipitación al nivel de cuencas de calibración, porque en esas se puede aplicar un factor de corrección de precipitación, y verificar el efecto que tiene esa corrección en la simulación del caudal observado. Según el cálculo de pruebas de homogeneidad en la etapa de procesamiento de datos, se identificaron 30 estaciones con datos de precipitación anual sospechosos. Después de haber eliminado los datos sospechosos y los valores atípicos, y rellenado los datos faltantes con el método de razón normal, no se identificó ninguna estación con datos de precipitación sospechosos según las pruebas de homogeneidad. Sin embargo, el proceso de rellenado de datos introduce error en las series de datos históricos de precipitación: en la figura de la derecha, se puede notar el rango de valores de MAE (error absoluto medio) entre las series rellenadas y las series históricas en las estaciones de precipitación. Los valores altos de MAE en la región norte amazónica, Beni, y del Brasil se debe principalmente a la baja densidad de estaciones, por lo tanto las estaciones seleccionadas para el rellenado no representa bien los patrones de precipitación. 36

6.1.1 Desviación estándar de GMET El algoritmo de GMET produce 30 miembros de un ensamble de resultados; cada miembro tiene estimaciones de precipitación diaria para periodo histórico en el dominio del estudio. Las diferencias entre los miembros del ensamble se generan en la producción de campos aleatorios correlacionados en el tiempo y espacio para muestreo de estimaciones de probabilidad de ocurrencia de precipitación y distribución de cantidad de precipitación. La comparación de los miembros del ensamble resultantes da una estimación de la incertidumbre asociada con el método de interpolación del algoritmo de GMET. En este caso, se calculó la desviación estándar de precipitación mensual en cada pixel de la grilla de GMET entre los 30 miembros del ensamble. La desviación estándar promedia entre estos miembros del ensamble varia de 16 mm/mes en el sur del altiplano (valor mínimo) a 194 mm/mes en la cuenca alta del Río Mamore (valor máximo). La cuenca con la mayor desviación estándar es Santa Rosa de Chapare con una desviación estándar absoluta de 190 mm/mes. Sin embargo, el valor de desviación estándar entre los miembros del ensamble está relacionado con la cantidad de precipitación que ocurre en la cuenca, entonces es necesario mirar el valor relativo para poder cualificar la incertidumbre relativa debido a la interpolación de GMET en la estimación de precipitación en las diferentes cuencas de calibración. Para poder evaluar el nivel de incertidumbre en las cuencas del BHSB, se calculó el valor de desviación estándar del ensamble de GMET relativo a la precipitación anual del promedio del ensamble de GMET Figura 16. Se nota que, aunque el valor absoluto de desviación estándar es mayor en las cabeceras del Río Mamore, este valor alto es principalmente debido a la alta precipitación en esta región. Así mismo, se nota que el valor relativo de la desviación estándar es mayor en las cuencas del Gran Chaco, donde también hay poca densidad de estaciones. Vale mencionar que para la cuenca de El Sena, que incluye la región de Madre de Dios en Perú, el valor relativo de desviación estándar hace parte de los menores de todo el domino de estudio. La inclusión de 12 puntos de muestreo de CHIRPS para cubrir el área sin datos en el Madre de Dios mejoro el desempeño de GMET en esta región, y ayudo a GMET a producir rangos de valores más consistentes dentro de sus miembros del ensamble. Sin embargo, existe todavía una incertidumbre asociada con los puntos de CHIRPS, en que no se pudo verificar la exactitud de CHIRPS en estos puntos por falta de datos observados; sería necesario extrapolar el desempeño de CHIRPS en otras partes del país donde una validación con datos observados podría ser posible para cualificar el desempeño de CHIPRS en Madre de Dios. Figura 16. Desviación estándar absoluta promedio por unidad hidrográfica de los 30 miembros de GMET 37

La estimación del sesgo promedio del producto de GMET en las estaciones de validación nos permite cuantificar la capacidad de GMET en reproducir datos de precipitación en el dominio del estudio. Una interpolación de esta estimación de incertidumbre con polígonos de Thiessen nos permite visualizar la distribución de este error, y además estimar el promedio para cada catchment del modelo WEAP. Vale mencionar que es muy difícil describir esta incertidumbre donde no hay estaciones de validación, como en la parte noreste del Amazonas. Eso nos indica que la mayor subestimación de valores observados de la parte de GMET ocurre en la cuenca de Rurrenabaque, que contiene dos estaciones de validación donde GMET demuestra un sesgo menor que -220%. Para tratar de caracterizar este error por catchment de WEAP, se tomó el promedio espacial del mapa interpolado en cada catchment. Se nota que en las cuencas del Rio Mamore existe una subestimación de precipitación, de por lo menos 25% en promedio (Figura 17). También se puede mirar el rango de los valores de MBE en el mapa interpolado dentro de cada catchment, para definir la variación en la calidad de GMET dentro de un catchment. El mayor rango de valores de MBE - y, por consiguiente el mayor rango de bajo desempeño de GMET se dan en las cuencas de Gundonovia, Rurrenabaque, y Puerto Villaroel. En estas cuencas, existen áreas con pobre desempeño de GMET y áreas con buen desempeño de GMET. Eso indica que, según la métrica de MBE en las estaciones de validación, hay un rango bastante amplio de ajustes potenciales a la precipitación en estas cuencas. 38 Figura 17. Promedio del MBE (%) en los puntos de validación por catchment 6.1.2 Validación de GMET con otros sets de datos Otra manera de cuantificar el error de GMET es analizar su capacidad para reproducir datos observados en estaciones de validación. Estas estaciones de validación no hacen parte de la base de datos de entrada para GMET. En particular, en la región de Madre de Dios, se puede extrapolar el desempeño de CHIRPS para definir su capacidad en reproducir datos observados. Eso nos ayuda a definir el error posible en la estimación de

precipitación en la cuenca de El Sena. Según el proceso de validación de CHIRPS con relación a estaciones en tierra, CHIRPS tiende a subestimar la precipitación mensual en Bolivia en un promedio de -4%. La correlación de CHIRPS es de 0.82, que es peor a la correlación de GMET, de 0.90 (Figura 18).El error absoluto medio es de 30.95 mm/día con CHIRPS, y 23.28 mm/día con GMET. Eso nos indica que CHIRPS tiene un peor desempeño en el territorio de Bolivia que GMET. Sin embargo, su desempeño es bastante bueno para incluir unos puntos de muestreo desde CHIRPS en la base de datos de entrada en GMET en el Madre de Dios, donde no hay información de estaciones. Esos resultados estadísticos también nos indican que existe incertidumbre en los datos de entrada a la estimación de precipitación en la cuenca de El Sena. Figura 18. Resultados estadísticos mensuales de comparación de CHIRPS y GMET con estaciones 6.1.3 Validación de datos de precipitación por modelación hidrológica Figura 19. Proceso de validación de GMET en el contexto de modelación hidrológica La última etapa en el proceso de validación de GMET y otra manera importante de definir la incertidumbre asociada con su estimación de precipitación es la modelación hidrológica y la comparación de caudales simulados y observados. En esta etapa, la calibración del modelo sirve para parametrizar el suelo, e identificar lugares en donde una corrección en la estimación de precipitación puede mejorar la calibración. 39

Según el análisis de incertidumbre en precipitación, se había identificado las siguientes cuencas de calibración como cuencas con problemas en la estimación de precipitación: El Sena, por la inclusión de puntos de muestreo de CHIRPS en la parte de Madre de Dios; Rurrenabaque, Puerto Villarroel, y Santa Rosa del Chaparre, por la alta tasa de subestimación de datos observados en las estaciones de validación de la parte de GMET; y las cuencas con borde a Brazil por la falta de estaciones Bolivianas y la sobreestimación de GMET en las estaciones en Brazil (3.11 % MBE). En estas cuencas en particular, se miró el desempeño del modelo hidrológico durante el medio del proceso de calibración para determinar si era necesario un ajuste en la precipitación (Figura 20). Figura 20. Factores de ajuste de precipitación identificados en el proceso de calibración Como se observa, se aplicaron factores dentro de ciertos rangos, los cuales permitieron un mejor ajuste del modelo en estas regiones específicas. Sin embargo, estos factores aún no logran capturar toda la incertidumbre asociada a los datos de entrada y otros procesos hidrológicos que pueden estar sucediendo y que no están siendo capturados por la metodología del balance hídrico. Por lo tanto, se identifica la importancia de continuar ajustando las bases de datos de entrada que permitan mejorar el conocimiento de la hidrología en estas regiones y mejorar los datos de entrada para la generación de balances hídricos con menor incertidumbre. 40

7. Balance Hídrico para Condiciones Climáticas Futuras En este estudio se ha realizado un ejercicio de análisis de trayectorias climáticas potenciales futuras. En la ejecución de este análisis, se desarrollaron series climáticas futuras usando el proceso de cambio de escala denominado K-nn. En este reporte se incluyen los resultados del balance hídrico para dos escenarios extremos. Los resultados se presentan en el Anexo 3 y Anexo 4 con las tablas y mapas correspondientes. 41

42

8. Informe del SENAMHI sobre la segunda campaña de aforo En el Anexo 5 se presenta el reporte del SENAMHI sobre su campaña de aforo. Esta segunda campaña incluyó cuencas del Amazonas, Cerrada del Altiplano y del Plata incluyendo un total de 16 estaciones. La misión se realizó durante el mes de octubre y contó con el equipo especializado del SENAMHI para esta labor, con un total de 12 personas involucradas en la actividad. Los resultados de los caudales están en proceso de ser incorporados a las bases de datos del SENAMHI para verificación del ajuste de las curvas de calibración. 43

44

9. Resumen del proceso de capacitación A la conclusión del presente estudio, se han implementado 4 talleres de socialización, replica y capacitacion, los cuales han cubierto los temas de especificados para generar la transferencia tecnológica esperada en este estudio. Estas capacitaciones, además de la interacción cercana con el equipo implementador, han permitido lograr un avance importante en el conocimiento del uso de WEAP y herramientas asociadas para el análisis como R. Además de los talleres, un resultado importante de la transferencia tecnológica es que los equipos de investigación del LH-UMSS e IHH-UMSA alcanzaron un nivel considerable en su uso de las herramientas utilizadas en el balance hídrico. Este trabajo, permitió compartir aspectos conceptuales y mecánicos de la construcción de la representación del balance hídrico en WEAP. Así mismo, el grupo de expertos de ambas universidades han podido contribuir su propio conocimiento e información de hidrología a nivel local, regional y de país. Para esto, se han realizado sesiones con frecuencia semanal a quincenal, en que se identifica el avance y se programa el trabajo a realizar. Además, el equipo de SEI ha puesto a disposición y desarrollado herramientas específicas, en particular scripts de R, que permiten procesar datos para determinar métricas de calibración y extraer outputs del balance hídrico de forma automática. La ejecución de estas herramientas específicas es un valor agregado que permite liberar tiempo de procesamiento para dedicar más recursos a la correcta conceptualización de los balances. Las sesiones de capacitación de los talleres han contado con participación de un grupo consistente de actores (Tabla 6). Tabla 6. Resumen participación de actores en talleres de transferencia de capacidad En promedio, se contó con la participación de 41 personas representantes de las diferentes instituciones, con una distribución de un 19% de mujeres y 81% de hombres. A través de las sesiones de capacitación se buscó generar sensibilización en los temas de género, de forma que se buscó motivar la participación de mujeres de las diferentes instituciones. Se observa la importancia de continuar motivando este componente para poder seguir contando con la inclusión de las perspectivas que pueden se contribuidas por mujeres en el tema de recursos hídricos en Bolivia. Revisando los temas de capacitación con respecto a lo esperado al inicio del proyecto, se observa que se cubrió completamente las temáticas específicas. Los materiales entregados contienen todas las sesiones de capacitación incluyendo documentos breves en formato de presentación con detalle y descripción de los scripts de R. Los mismos pueden ser sistematizados en formato de guías de capacitación que el MMAyA podrá usar para compartir el material y el conocimiento asimilado durante toda la serie de talleres desarrollados en el proyecto bajo el siguiente formato: 1) Ejemplos de WEAP Taller 3 y 4, y 2) Ejemplos de R Talleres 2, 3 y 4. 45

46

10. Conclusiones y Recomendaciones El desarrollo de un balance hídrico es una etapa clave en el camino hacia un manejo racional de los recursos hídricos en una región. Es imposible manejar un recurso, si la cantidad y calidad del mismo es desconocida. A pesar que en el ciclo hidrológico la incertidumbre asociada con alguno de sus componentes, haga la estimación de la cantidad de agua una labor altamente compleja, la misma representa el punto de inicio para una evaluación de las opciones de manejo (p.e., infraestructura, la re operación de infraestructura existente, nuevas políticas sobre el uso y distribución del agua, y la definición de normas relacionadas a la calidad de agua y la condición de los ecosistemas acuáticos, entre otros). Si el proceso de la toma de decisión es alimentada de forma directa por el balance hídrico, esta permite lograr un manejo racional del agua desde una perspectiva de equidad y eficiencia al mismo tiempo, o cual fue el objetivo inicial del balance hídrico en primer lugar. Con la finalización del desarrollo del Balance Hídrico Superficial de Bolivia (BHSB) 2017 y la correspondiente actualización de la información relacionada a potencial hídrico en el territorio nacional, se presenta un buen momento para proyectar, como una buena estimación de la disponibilidad de agua en cuencas hidrográficas bolivianas, tanto en la situación histórica como futura, puede conducir hacia un manejo más racional del agua en el país. El desarrollo del BHSB 2017 se realizó a través de un proceso abierto y participativo en que el Equipo Implementador y una Plataforma Institucional liderada por el MMAyA participaron durante la implementación del proyecto. Este proceso permitió capturar el conocimiento, experiencia y visión de un amplio set de participantes de instituciones y de la academia en Bolivia. La siguiente sección del documento ofrece una serie de recomendaciones sintetizadas de las ofrecidas por los participantes, y de igual forma por parte del SEI, se da lineamientos para poder avanzar hacia siguientes etapas en la temática. Esta sección está dividida en tres partes. La primara incluye recomendaciones asociadas con la reducción de la incertidumbre inherente en el BHSB 2017. La segunda parte ofrece ideas asociadas con oportunidades para mejorar las herramientas analíticas que constituyen los bloques analíticos básicos del balance. El documento se cierra con una descripción de las oportunidades de uso de esas herramientas dentro de procesos de planeación y toma decisiones en cuencas bolivianas. 10.1 Recomendaciones sobre reducción de incertidumbre en la base de datos del BHSB 2017 Los resultados del BHSB 2017 dependen enormemente sobre la calidad de los datos climatológicos históricos como precipitación, temperatura, humedad relativa, velocidad de viento y fracción de nubosidad. A pesar del hecho que el equipo implementador tomó el máximo cuidado en la selección de los datos de entrada para el desarrollo del BHSB 2017, hay incertidumbres asociadas con la base de datos que sirve de punto de partida para el presente estudio. Estas incertidumbres salen de los vacíos temporales y espaciales en las mediciones climáticas históricas en Bolivia y de los desafíos asociados con su uso como parte de un balance hídrico, de igual forma en relación a los datos satelitales actualmente disponibles y que eventualmente pueden ser combinados con los datos terrenos. Además de la calidad de los datos de insumo, el BHSB 2017 depende mucho sobre el uso de GMET para producir la información climática distribuida necesaria para informar el balance. A continuación se hacen recomendaciones sobre la actualización fututa de la fuente de datos primaria del balance, GMET. 47

Mejoras en las mediciones climáticas directas La fundación de cualquier balance hídrico es la cantidad y calidad disponible de información climática observada. Al respecto se tienen las siguientes recomendaciones: Se recomienda al MMAYA trabajar en coordinación con el SENAMHI para hacer un análisis de la incertidumbre de GMET en zonas hidrográficas y correlacionar esta incertidumbre con la densidad de estaciones climáticas. Este análisis puede guiar la instalación de estaciones climatológicas en el futuro. Así mismo, se recomienda al MMAYA y a la Plataforma Institucional definir criterios y procedimientos que permitan mejorar la base de datos climática histórica con base en los datos de caudales observados. Esta recomendación se basa en el hecho de que debido a la escasez de estaciones de observación climática existen vacíos de datos de entrada de precipitación y temperatura, y sin embargo los datos de caudal pueden ayudar a corregir los datos de precipitación en las subcuencas con baja densidad de estaciones. Se recomienda entonces definir un procedimiento valido, ya sea basado en literatura o en experimentos numéricos ejecutados sobre el BHSB existente, y definir rangos y componentes que permitan ajustar los datos de precipitación con datos de caudal. Se deben instalar estaciones meteorológicas en áreas correspondientes a cuencas que han sido catalogadas como nulas respecto a información disponible en el presente estudio (Figura 15). Actualmente la mayoría de las estaciones se presentan en inmediaciones de las ciudades capitales de departamentos mientras que en provincia no se cuenta con estos equipos. Generar más conciencia en los pobladores para que estas estaciones no sean víctimas de robo y vandalismo. Esto se evidencia en la marcada disminución de estaciones de monitoreo en relación a balance hídricos previos tanto a nivel de hidrológico como de meteorología (Tabla 1). Se recomienda instalar estaciones cerca de las fronteras, para así contrastar con los datos de los otros países para extender la información existente más allá de la frontera. Mejoras en el uso de datos satelitales Existen gran expectativas en la comunidad científica sobre la potencialidad de las observaciones satelitales para informar la cuantificación de los componentes de ciclo hidrológico terrestre. Hasta ahora la mayoría del interés y entusiasmo se enfoca en la estimación de la precipitación. Sin embargo, emergen productos asociados con otros componentes como evapotranspiración y fracción de nubosidad. A pesar de las expectativas, quedan cuestiones y limitaciones acompañadas del uso de información satelital, en particular los huecos en las observaciones, la precisión de las estimaciones, y el corto periodo de existencia de algunos productos. Esta sub-sección ofrece algunas recomendaciones pertinentes al uso futuro de esas observaciones. A pesar de la consideración e incorporación de información espacial de CHIRPS en la grilla de GMET ejecutada en este estudio, existe aún la inquietud e interés por parte de la academia de continuar explorando el uso de datos satelitales. En este sentido, se recomienda realizar un estudio en que se avance en la comparación de datos satelitales con datos de estaciones y con aquellos obtenidos de GMET. Un esfuerzo sobre el que se puede capitalizar es la aplicación local realizada en el uso de GSMAP en la zona de Cochabamba. Se recomienda realizar una comparación entre GMET y GSMAP en la región donde estos datos ya estén validados, y explorar opciones de alimentar futuras corridas de GMET con datos satelitales de tipo ajustados. Para las variables climáticas de humedad relativa, velocidad de viento y fracción de nubosidad se recomienda comparar con datos satelitales en períodos en que estos se encuentren disponibles, lo cual sucede generalmente después del 2000. En base a la libración de la información en los siguientes años, el enfoque actual de considerar medias mensuales para simulación estimar la ETP pueden ser modificadas para considerar series continuas y consistentes alimentados por datos satelitales con la respectiva valoración con datos de campo. 48

Mejoras en el uso de GMET Una de las innovaciones más importante del BHSB 2017 es la aplicación de GMET para desarrollar una estimación mensual continua de precipitación y temperatura sobre la totalidad del territorio boliviano. La formalización del uso de GMET en Bolivia a través de la capacitación de los técnicos en las organizaciones apropiadas será el enfoque la siguiente etapa de este proyecto. Esta sub-sección ofrece observaciones sobre el uso futuro de la herramienta en el país. Actualizaciones futuras de GMET deberán enfocarse en 1) aumentar la cantidad de estaciones de datos de entrada, 2) definir periodos que cuenten con mejor calidad y número de estaciones, 3) explorar aplicaciones de GMET a nivel regional, 4) alimentar GMET con datos satelitales validados y 5) hacer una exploración de variables adicionales que puedan ser correlacionadas con el clima y que puedan introducirse como factores dentro del algoritmo de cálculo de la precipitación y temperatura. Este tipo de experimentos se realizarán durante la ejecución del trabajo de transferencia de GMET al MMAyA en colaboración con el LFA y NCAR. En este sentido el MMAYA deberá liderar y participara activamente en este proceso para compartir criterios específicos con otras entidades, para ajustar las aplicaciones de GMET de forma tal que se cubran los cinco aspectos aquí descritos. 10.2 Recomendaciones sobre el modelo WEAP base del BHSB 2017 El enfoque técnico del BHSB 2017 es diferente de lo que fue adoptado por los balances hídricos antecedentes en virtud de su uso del modelo hidrológico, específicamente SM de WEAP. A diferencia de los análisis anteriores, que aplicaron en una manera aritmética anual la ecuación clásica del balance de masa, estimada como flujo de entrada menos salida equivale a cambio en el almacenamiento, el actual balance depende de una simulación calibrada de esos flujos y niveles de almacenamiento. Las ventanas de uso de un modelo de este tipo son las siguientes: (i) la posibilidad de estimar balances sub-anuales; (ii) la posibilidad de estimar el balance en cualquier punto y no solamente en los puntos de salida de unidades de análisis predefinidas; y (iii) la posibilidad de utilizar el modelo para estimar un balance bajo condiciones futuras (Cambio Climático), además de diferentes a las condiciones históricas (Variabilidad Climática). Sin embargo, la utilidad del modelo, y su capacidad de capturar estas ventanas de análisis, depende de la calibración y validación del mismo, sus rutinas analíticas, y al acceso a sus funcionalidades. Esta sub-sección ofrece algunas recomendaciones sobre el rol de WEAP en futuras actualizaciones y aplicaciones de balance hídrico. Se recomienda una continua revisión y actualización del BHSB en la zona de inundaciones en la medida en que se produzcan estudios adicionales con información para refinar la representación de planicies de inundación realizada en WEAP tanto en la cuenca del Amazonas como en Parapetí y Bañados del Isozog. Debido a la naturaleza general del algoritmo actual existente en WEAP para la representación de inundaciones, se recomienda al MMAYA explorar la necesidad y prioridad de mejorar dichos algoritmos. (ver Producto 4, sección 2.5.6.1 Mejoras posibles al método de representación de inundación). Así mismo se recomienda una continua producción de estudios de aguas subterráneas, y el análisis e incorporación de estos resultados para la revisión de las suposiciones de conexión de cuencas con acuíferos realizadas en el BHSB superficial aquí presente. Realizar un plan de mediciones periódicas con menos intervalos de tiempos de separación de toma de datos en las estaciones de: Aguallamaya, Calacoto Mauri, Escoma, Calacoto Desaguadero, Ulloma y Tambillo. Crear planes de entrenamiento en toma de datos, en las poblaciones cercanas a las estaciones, para instruir a la gente y concientizar de la importancia de contar con buenas medidas. Controlar periódicamente el estado de las reglas instaladas en las estaciones hidrométricas y replantear los niveles ceros mediante las cotas datum cercanas a dichas estaciones. 49

Solicitar un informe del estado de los metadatos (planillas de campo de aforos, niveles de regla, descripción de estaciones) ya que es información histórica y debería ser preservada y tratarse como tal, para posibles consultas en un futuro. Evaluar la posibilidad de complementar la base de datos depurada en este estudio con estudio académicos con el enfoque de manejo de metadatos, tratamiento y depuración de datos (p.e., proyecto DECADE, LFA UMSA). Recuperar información histórica mal almacenada y volver a crear una base de datos dentro del programa Hydraccess, incluyendo información procesada en el programa Hydrom. Destinar recursos económicos tanto para la preservación de la información mencionada en los puntos anteriores, como también para el mantenimiento de los equipos utilizados en las mediciones tanto en aforos como en los niveles en estaciones hidrométricas. Solicitar más campañas de aforos y mediciones en épocas de aguas altas, con mayor personal de campo e incluso con supervisión por parte de las autoridades competentes. Solicitar mayor personal con un perfil de grado académico que sea destinado a realizar estas actualizaciones en base de datos y mediciones en un futuro, para contar con una red de estaciones más amplia primordial en áreas donde no se cuenta con mucha información. Se recomienda realizar un cálculo de la incertidumbre total del resultado del balance hídrico por unidad hidrográfica. A pesar de que algunos de los componentes del balance hídrico cuentan con datos de incertidumbre asociada (i.e. la desviación estándar de GMET), se recomienda al MMAYA que lidere conjuntamente la Plataforma Institucional, el trabajo de analizar la incertidumbre combinada del efecto de todas las otras variables del BHSB para poder tener un panorama de la incertidumbre asociada en cada una de las unidades hidrográficas (catchments) estudiadas en el presente estudio. Un ejemplo de este proceso de análisis ha sido cubierto en este documento en la sección 7.1 para el caso de datos de clima. Se recomienda construir un sitio web conectado al modelo WEAP que permitiría a través de la selección de cualquier punto en el territorio boliviano (i) una delimitación de la cuenca hidrográfica aguas arriba del punto, (ii) la corrida del modelo bajo condiciones históricas y futuras, y (iii) la estimación del balance hídrico al punto en cuestión. Este mejoramiento ofrecería una herramienta mucho más dinámica que los mapas estáticos por unidades de análisis predefinidas típicamente generados como productos finales de un balance hídrico. 10.3 Oportunidades para el uso del BHSB 2017 en procesos de planeación y la toma de decisión Como se mencionó antes, un buen balance hídrico representa el punto de salida para una evaluación de las varias opciones de manejo, como nueva infraestructura, la re operación de infraestructura existente, nuevas políticas sobre el uso y distribución del agua, y la definición de normas relacionadas a la calidad de agua y la condición de los ecosistemas acuáticos. Sin un esfuerzo intencional para conectar el balance a los procesos específicos de planeación y la toma de decisiones en cuencas, la real utilidad del balance no va a darse en la práctica. Esta sección ofrece algunas recomendaciones para promover el uso del BHSB 2017 como parte de esos procesos. Se recomienda al MMAYA realizar talleres a nivel regional compartiendo los resultados del BHSB con entidades de gobierno locales. Estos talleres permitirán identificar necesidades de uso de la herramienta, y la aplicabilidad de la resolución de datos de entrada para las necesidades de las instituciones locales. De este proceso sistemático de realización de talleres, se sugiere que se realicen sesiones en que las instituciones compartan sus inquietudes, y que el MMAYA compile esta información para poder mantener una base de datos de las aplicaciones y usos del BHSB a nivel regional. Esto permitirá mantener un record de estudios que se estén realizando a nivel regional, y la posibilidad de que estos estudios generen datos adicionales que puedan retroalimentar el BHSB. 50

Se recomienda al MMAYA guiar la generación de Planes Directores usando como base los resultados del BHSB para las regiones particulares en que estos planes se realicen. El trabajo avanzado en Planes Directores podrá informar la validación de los balances a nivel regional, y retroalimentar el BHSB con datos de demanda e infraestructura que podrán incorporarse en la plataforma WEAP. Se recomienda realizar estudios adicionales que puedan refinar el estatus actual del BHSB, complementarios a la etapa siguiente del presente estudio enfocada a los datos de entrada de GMET. Estos estudios podrán incluir: o Estudio detallado de demandas o Estudio detallado de infraestructura o Inclusión de información detallada de estudios de acuíferos o Mejoras en la representación de zonas de inundación (Buscar nexos a los sistema SAT 3 en la amazonia boliviana) o Representación de ecosistemas especiales El Balance Hídrico es y será una importante fuente de información, por ende, para el desarrollo de proyectos de los recursos hídricos se deberá realizar estudios hidrológicos específicos en las cuencas de interés. Deberá ser el primer documento a consultar junto a su base de datos, para cualquier proyecto de desarrollo de los recursos hídricos, lo que no exime de la realización de estudios específicos, y más bien enfoca los esfuerzos hacia trabajos de caracterización críticos en zonas particulares (presencia de manantiales, mayor influencia de aguas subterráneas, presencia de microclimas, no capturados por la red nacional de monitoreo, etc.) Este documento junto a la base de datos, puede ser utilizado en las políticas y en la elaboración de estrategias de Gestión Integral de los Recursos Hídricos y Manejo Integral de Cuencas. El set anterior de sugerencias, recomendaciones y usos de las herramientas constituyen un punto de partida de discusión para que el MMAYA y la Plataforma Institucional puedan definir pasos siguientes en el entendimiento y conocimiento del recurso hídrico en Bolivia. 3 Sistema de Alerta Temprana 51

52

11. Referencias Agua Sustentable, 2016. Vulnerabilidad y Resiliencia en el Altiplano Boliviano. La Paz, Bolivia. Allen, R.G., Pereira, L.S., Raes, D., Smith, M., 1998. Crop evapotranspiration-guidelines for computing crop water requirements-fao Irrigation and drainage paper 56. FAO Rome 300, D05109. Angarita, H., Wickel, A.J., Sieber, J., Chavarro, J., Maldonado-Ocampo, J.A., n.d. Large-scale impacts of hydropower development on the Mompós Depression wetlands, Colombia. Clark, M.P., Slater, A.G., 2006. Probabilistic quantitative precipitation estimation in complex terrain. J. Hydrometeorol. 7, 3 22. DHI, 2016. MIKE21. BHI Water & Environment Pty Ltd. Espinoza D., 2006. Balance Hídrico Superficial Microregional de la Cuenca Alta del Río Pilcomayo (Tesis de Licenciatura). UMSA, La Paz. Maidment, D.R., 1993. Handbook of hydrology. McGraw-Hill New York. Molina, J., Espinoza, D., 2006. Balance Hídrico Superficial de la Cuenca Alta del Río Pilcomayo (Informe Final). Instituto de Hidráulica e Hidrología, La Paz. Newman, A.J., Clark, M.P., Craig, J., Nijssen, B., Wood, A., Gutmann, E., Mizukami, N., Brekke, L., Arnold, J.R., 2015. Gridded ensemble precipitation and temperature estimates for the contiguous United States. J. Hydrometeorol. 16, 2481 2500. Roche, M.-A., Bourges, J., Cortes, J., Mattos, R., 1991. Climatologia e hidrologia de la cuenca del lago Titicaca. Roche, M.-A., Fernandez, C., Aliaga, A., Peña, J., Salas, E., Montaño, J.L., 1992. Balance Hídrico Superficial de Bolivia. La Paz, Bolivia. Suárez, M., 2017. Características fisiográficas de Bolivia. USACE, RMA, n.d. HEC-RAS. US Army Corps of Engineers. Van Asselt, M.B., Rotmans, J., 2002. Uncertainty in integrated assessment modelling. Clim. Change 54, 75 105. Yates, D., Sieber, J., Purkey, D., Huber-Lee, A., 2005a. WEAP21 A Demand-, Priority-, and Preference-Driven Water Planning Model. Water Int. 30, 487 500. https://doi.org/10.1080/02508060508691893 Yates, D., Sieber, J., Purkey, D., Huber-Lee, A., 2005b. WEAP21 A demand-, priority-, and preference-driven water planning model: part 1: model characteristics. Water Int. 30, 487 500. 53

54

12. Anexos Anexo 1. Resultados de balance hídrico para condiciones históricas Tablas Identificador de la unidades hidrográficas Macrocuenca ID Unidad Hidrográfica Macrocuenca ID Unidad Hidrográfica Amazonas A01 Arroyo Entrada de los Indios Amazonas A37 Río Mamoré - Vila Lata Amazonas A02 El Carmen Amazonas A38 Río Mamoré Medio Amazonas A03 Intercuenca Alata Río Grande Amazonas A39 Río Mizque Amazonas A04 Intercuenca Mamore 622671 Amazonas A40 Río Orthon Amazonas A05 Intercuenca Mamore 622673 Amazonas A41 Río Paraguay Amazonas A06 Intercuenca Media Río Grande Amazonas A42 Río Parapeti Amazonas A07 Lago Grande Amazonas A43 Río Quimome Amazonas A08 Río Abuna Amazonas A44 Río Quimome Alto Amazonas A09 Río Acre Amazonas A45 Río Riberalta Amazonas A10 Río Alto Beni Amazonas A46 Río San Jose - Itenez Amazonas A11 Río Azero Amazonas A47 Río San Miguel Mamoré Amazonas A12 Río Bajo Beni Amazonas A48 Río San Pedro Amazonas A13 Río Beni Amazonas A49 Río Santa María Amazonas A14 Río Beni - Arroyo Florida Amazonas A50 Río Yacuma Amazonas A15 Río Blanco Amazonas A51 Río Yapacaní Amazonas A16 Río Boopi Amazonas A52 Río Yata Amazonas A17 Río Branco Amazonas A53 Sao Francisco do Guaporé Amazonas A18 Río Caine La Plata LP01 Río Bermejo Amazonas A19 Río Cotacajes La Plata LP02 Río Grande de Tarija Amazonas A20 Río Grande La Plata LP03 Cuenca Baja Pilcomayo Amazonas A21 Río Isiboro La Plata LP04 Río Pilaya Amazonas A22 Río Itenez - Azul La Plata LP05 Río Pilcomayo Alto Amazonas A23 Río Itenez - Curichal La Plata LP06 Río San Juan del Oro - Tupiza Amazonas A24 Río Itenez - Pacas Novos La Plata LP07 Río San Juan del Oro Amazonas A25 Río Itenez - Versalles La Plata LP08 Río Sococha Amazonas A26 Río Itenez Alto La Plata LP09 Río Tumusla Amazonas A27 Río Itonomas Altiplano ALT01 Lago Poopó Amazonas A28 Río Kaka Altiplano ALT02 Lago Titicaca Amazonas A29 Río Machupo Altiplano ALT03 Río Desaguadero Amazonas A30 Río Madeira - Abuna Altiplano ALT04 Río Desaguadero Alto Amazonas A31 Río Madre de Dios Altiplano ALT05 Río Katari Amazonas A32 Río Mamoré - Apere Altiplano ALT06 Río Llave Amazonas A33 Río Mamoré - Arr. Santa Cruz Altiplano ALT07 Río Mauri Amazonas A34 Río Mamoré - Chapare Altiplano ALT08 Río Sehuenca Amazonas A35 Río Mamoré - Escondido Altiplano ALT09 Salar de Coipasa Amazonas A36 Río Mamoré - Guayaramerin Altiplano ALT10 Salar de Uyuni 55

Precipitación multimensual en mm para el periodo 1980-2016 ID ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC A01 339.87 301.05 280.27 160.94 94.98 32.87 25.42 35.96 89.06 155.49 214.82 287.95 A02 324.39 263.57 229.82 148.99 123.63 75.05 67.47 59.13 87.37 140.10 218.05 283.50 A03 119.66 98.82 74.05 25.34 5.24 2.38 2.58 4.85 15.89 32.89 46.03 86.93 A04 298.56 272.17 270.71 176.85 80.13 29.36 17.27 30.25 73.28 125.67 211.50 261.28 A05 295.45 268.84 266.82 176.01 84.74 33.06 20.15 33.93 80.34 128.74 213.57 258.29 A06 123.36 109.72 92.94 46.26 22.20 10.98 10.99 10.55 22.20 48.09 63.25 103.25 A07 294.47 266.40 249.71 141.36 66.83 19.15 12.68 22.81 60.20 119.70 193.20 252.97 A08 290.32 277.03 261.34 169.58 79.56 25.18 15.81 26.34 67.64 128.98 199.69 249.85 A09 275.80 295.17 261.96 179.57 92.15 37.57 25.52 32.89 88.80 145.21 220.83 236.98 A10 305.79 271.33 215.52 118.37 72.33 58.60 41.85 48.57 80.81 131.08 161.20 231.59 A11 138.08 123.62 102.57 45.82 13.25 4.86 4.20 5.60 20.46 47.16 63.16 114.58 A12 305.23 280.33 276.19 178.53 79.95 29.09 16.82 29.13 76.06 132.10 211.14 261.40 A13 273.17 263.16 233.46 147.63 84.81 41.12 32.35 31.45 72.13 124.83 196.44 237.20 A14 292.91 276.79 256.09 165.30 74.74 25.03 15.62 26.86 67.47 127.85 200.33 255.43 A15 245.61 223.06 182.81 95.41 60.72 25.24 17.48 20.77 49.60 88.70 153.49 213.93 A16 244.35 194.86 146.12 61.71 29.76 23.95 24.11 38.72 60.84 79.27 103.66 170.54 A17 336.27 305.87 268.76 162.66 87.93 25.82 17.23 26.92 87.96 154.11 204.38 288.79 A18 135.64 104.17 82.71 24.62 4.73 4.20 3.87 8.05 15.57 26.17 51.64 93.63 A19 335.82 276.91 219.76 87.79 46.85 35.39 34.72 43.38 64.75 99.03 157.01 247.80 A20 171.19 153.29 128.64 78.14 62.25 41.62 30.57 24.79 42.80 71.19 106.97 154.33 A21 468.08 388.54 328.88 188.65 161.00 107.61 101.10 74.69 94.96 166.32 265.83 381.76 A22 351.27 308.32 290.51 173.57 98.59 30.38 19.73 35.20 94.21 164.70 218.62 298.97 A23 310.91 272.23 252.53 141.86 73.05 20.69 14.62 23.36 64.77 125.79 189.52 257.56 A24 362.48 322.91 311.38 178.65 91.12 23.56 14.11 26.90 86.91 158.45 220.11 302.46 A25 303.53 271.17 239.01 134.03 65.71 20.27 17.59 25.79 64.16 121.66 187.47 254.76 A26 228.94 217.54 194.61 104.82 51.69 17.88 11.77 19.26 51.56 104.21 150.94 202.05 A27 192.95 175.15 145.72 83.05 67.61 38.68 27.36 27.32 51.54 82.46 124.08 169.17 A28 296.26 232.67 197.70 97.97 42.94 33.37 28.19 42.18 71.19 112.76 131.50 204.00 A29 279.94 261.17 216.75 115.43 70.23 27.23 21.62 25.29 61.56 112.23 177.93 248.41 A30 344.24 305.65 305.12 201.10 109.50 34.12 23.36 37.16 104.89 164.98 230.47 288.83 A31 327.98 388.25 330.68 218.60 137.64 55.88 38.94 42.34 122.95 190.91 292.14 322.72 A32 294.38 258.85 215.24 115.69 85.48 42.15 35.59 35.45 72.82 118.71 181.46 259.31 A33 296.42 264.26 247.68 150.48 68.17 20.64 13.44 24.37 64.51 123.37 199.71 250.17 A34 479.73 393.34 322.43 210.04 184.44 125.45 114.18 84.69 111.92 194.15 286.76 419.56 A35 298.20 271.14 248.77 152.22 71.67 22.09 15.86 25.83 65.77 129.91 202.17 255.54 A36 296.39 269.51 264.06 164.65 75.95 26.45 15.94 28.79 73.52 125.10 206.76 258.81 A37 309.32 281.48 274.90 163.87 72.96 21.90 12.39 23.52 65.98 123.71 201.60 264.34 A38 357.09 289.43 258.81 148.65 135.83 78.89 69.79 57.65 94.16 145.11 225.62 315.95 A39 119.55 93.58 74.93 28.17 9.59 6.29 6.20 8.85 15.23 30.79 47.95 90.49 A40 275.11 304.85 268.49 181.59 103.68 41.17 27.21 34.68 91.64 153.17 230.68 251.29 A41 222.81 206.78 173.24 91.96 50.29 19.35 12.86 15.63 39.04 76.60 138.25 188.45 A42 149.50 147.14 129.79 67.94 37.95 21.87 16.19 11.89 27.98 55.71 88.89 139.78 A43 152.06 131.57 116.04 56.38 60.33 32.45 26.93 24.48 44.88 68.55 97.65 119.71 A44 146.05 133.48 120.02 73.64 69.64 38.93 29.82 24.34 42.50 73.60 111.64 130.17 A45 269.85 265.00 241.12 160.16 71.41 23.99 13.92 25.04 60.48 117.23 188.38 245.49 A46 260.30 242.51 211.78 114.22 53.90 15.28 10.92 16.86 52.51 103.48 162.56 221.61 A47 275.79 258.55 228.74 127.90 69.58 26.27 21.32 25.17 63.98 120.47 184.72 241.26 A48 137.06 107.97 78.96 26.26 3.81 2.69 2.63 7.57 16.23 34.48 51.22 94.00 56

A49 152.02 135.60 121.06 65.06 58.95 29.25 22.46 23.38 41.91 70.92 105.79 127.44 A50 268.38 252.49 211.10 120.96 77.45 45.32 35.46 32.77 66.99 113.98 170.38 228.67 A51 244.28 207.89 165.81 107.73 97.87 70.91 57.70 47.79 68.61 109.77 154.02 225.06 A52 283.75 267.84 247.59 147.26 74.82 25.49 20.64 26.49 64.54 127.12 200.25 246.86 A53 319.35 280.64 256.56 146.31 67.83 17.54 11.24 20.52 65.72 128.05 191.59 267.72 LP01 236.04 220.62 190.05 70.03 18.04 7.21 6.62 6.83 13.41 49.24 106.97 181.31 LP02 181.94 169.03 152.81 58.12 14.30 5.30 3.66 4.56 10.12 41.12 85.88 148.39 LP03 133.82 132.85 111.02 55.72 15.95 5.83 2.77 3.47 8.31 31.99 70.48 118.50 LP04 129.35 107.47 89.09 28.80 5.46 2.22 1.23 3.32 7.25 26.31 52.58 103.65 LP05 134.21 110.86 84.83 30.88 5.53 2.27 2.16 5.27 14.65 37.94 56.01 99.08 LP06 87.97 62.44 43.62 8.71 1.39 0.94 1.68 2.21 3.50 8.97 18.76 52.12 LP07 133.12 102.79 77.52 18.28 2.97 1.02 1.39 3.10 5.41 19.57 41.61 90.24 LP08 129.48 94.94 71.10 20.50 3.08 1.35 2.03 3.40 6.58 18.66 42.78 87.16 LP09 94.07 68.12 50.35 13.88 1.86 0.90 1.02 2.99 5.79 15.66 25.78 57.47 ALT01 105.19 77.59 56.27 17.42 3.18 3.88 3.08 7.74 12.93 19.33 29.25 60.60 ALT02 163.16 134.34 113.90 52.90 12.21 7.83 5.14 11.50 23.96 48.34 66.43 114.59 ALT03 102.18 73.10 51.65 17.09 4.04 5.29 3.59 7.78 12.74 17.99 25.98 59.73 ALT04 152.16 118.50 89.66 33.95 7.34 7.40 4.74 10.60 16.07 28.14 41.76 85.03 ALT05 129.78 91.72 73.87 31.85 9.51 7.91 6.41 12.35 23.21 36.28 47.22 83.18 ALT06 170.85 144.72 109.96 41.71 8.60 7.97 4.76 10.97 16.05 31.50 47.99 100.74 ALT07 101.62 86.06 58.40 14.21 1.87 3.11 2.43 3.88 3.94 8.91 16.91 47.08 ALT08 147.99 106.87 84.06 35.91 12.06 10.32 7.55 14.49 25.52 39.52 52.08 91.68 ALT09 81.51 67.19 38.70 8.52 1.40 2.31 2.41 3.05 4.10 6.36 11.05 33.41 ALT10 71.39 52.00 29.89 4.46 1.12 1.36 1.29 1.73 1.96 3.60 7.75 27.03 Evapotranspiración multimensual en mm para el periodo 1980-2016 ID ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC A01 116.15 100.96 112.22 104.23 94.93 80.72 69.10 56.31 62.84 90.16 109.38 118.65 A02 124.53 115.41 119.08 96.86 82.28 73.98 78.55 79.60 78.28 99.10 112.76 128.08 A03 71.76 67.73 63.91 39.01 18.55 7.80 5.00 5.12 10.79 23.64 34.81 56.35 A04 103.30 89.34 100.33 94.30 84.24 65.13 47.17 36.47 49.45 77.44 99.60 105.58 A05 104.33 90.13 101.31 95.89 88.16 73.25 59.40 47.04 55.61 79.29 99.89 106.60 A06 75.23 71.63 70.66 50.40 36.12 23.01 17.88 15.81 16.88 30.47 43.09 63.84 A07 107.62 93.33 104.34 95.43 83.16 64.63 48.07 34.45 38.44 62.45 89.30 106.59 A08 92.87 80.91 91.07 86.14 79.01 65.21 52.28 39.79 42.37 63.63 84.99 93.90 A09 124.46 111.90 124.05 115.35 101.37 74.11 57.19 44.28 54.42 85.18 112.28 124.48 A10 115.79 98.94 100.08 80.56 62.42 47.78 46.55 49.09 56.92 79.60 91.68 106.70 A11 81.73 75.09 73.86 52.09 32.10 18.18 12.31 9.75 13.56 29.24 43.39 65.81 A12 103.71 89.85 101.36 96.11 87.99 71.10 53.35 39.25 48.90 76.77 99.11 105.68 A13 108.66 95.78 104.25 94.31 80.96 62.29 54.71 47.19 49.99 72.59 93.42 107.64 A14 103.68 89.62 100.30 94.15 85.01 68.45 53.47 40.26 44.73 69.14 93.44 104.40 A15 113.89 103.88 112.92 91.38 72.67 54.65 43.90 34.72 37.86 57.02 80.41 105.71 A16 94.52 85.99 88.30 66.32 45.33 29.28 26.59 31.22 42.11 59.05 67.14 86.15 A17 113.39 99.32 109.88 100.40 89.85 72.33 56.75 42.79 52.03 83.36 103.83 114.80 A18 75.24 68.19 64.77 37.43 14.28 5.99 4.84 6.87 12.56 21.90 37.66 61.17 A19 101.50 90.38 94.30 74.07 53.73 36.77 34.93 38.71 47.42 67.33 83.13 100.52 A20 82.47 76.77 78.15 59.33 46.77 37.91 33.45 29.10 28.71 42.03 55.47 74.59 A21 115.75 104.37 111.04 98.00 86.34 72.10 72.85 77.33 75.79 93.65 107.23 120.23 A22 110.43 95.37 106.12 97.00 89.12 81.07 78.42 67.01 67.97 88.76 103.11 111.45 A23 113.73 98.99 109.84 100.57 88.59 70.53 55.03 40.67 44.17 69.57 95.38 113.25 57

A24 100.65 86.52 96.74 87.44 76.99 60.54 45.52 34.43 45.14 73.09 92.23 100.69 A25 114.68 100.09 110.60 101.46 90.04 73.89 63.69 54.46 57.41 77.84 98.88 115.11 A26 118.12 107.38 117.59 99.86 84.15 68.76 57.53 42.76 42.75 66.84 90.60 112.59 A27 96.68 90.19 98.22 76.51 60.77 48.59 41.69 34.82 36.88 52.71 68.75 88.11 A28 100.52 88.17 91.56 75.88 56.90 38.22 35.13 37.76 48.19 70.00 79.80 94.37 A29 114.43 101.19 112.47 101.22 87.61 71.72 59.60 46.26 48.57 71.04 93.92 113.16 A30 103.37 89.50 101.12 96.66 91.65 77.51 62.26 48.74 61.68 90.54 104.97 106.20 A31 119.80 106.94 117.85 109.58 99.97 78.03 69.18 59.81 70.90 102.27 118.63 122.76 A32 116.07 102.95 109.79 93.49 78.04 62.17 54.67 48.14 51.05 72.51 92.00 112.67 A33 104.32 89.95 100.68 93.74 83.55 66.07 50.54 37.44 42.44 67.46 93.28 105.04 A34 118.34 111.08 113.03 93.54 78.08 70.31 76.40 84.39 85.93 108.96 115.17 126.58 A35 106.79 92.41 104.07 97.22 88.16 73.52 61.35 47.37 49.93 74.45 97.50 108.15 A36 99.57 85.94 96.23 88.74 78.14 60.52 45.05 35.19 46.58 72.01 93.71 101.03 A37 98.33 84.83 95.11 87.01 75.92 57.18 39.16 28.22 39.18 66.98 90.87 99.20 A38 118.67 106.92 112.17 93.66 79.10 67.87 68.68 68.52 69.82 91.55 106.96 121.52 A39 75.63 71.91 67.24 42.37 22.31 11.55 8.76 9.23 12.57 23.36 35.90 60.41 A40 113.38 101.19 112.39 105.64 96.06 75.08 61.32 48.63 56.40 85.43 107.96 115.54 A41 115.62 107.93 117.24 93.29 72.59 52.59 40.64 29.67 30.70 48.94 75.35 103.74 A42 80.57 75.55 75.01 56.94 43.14 33.69 30.58 28.31 25.38 35.37 48.46 68.80 A43 87.14 83.88 87.96 61.94 46.99 37.62 34.20 30.01 32.43 46.96 61.01 76.37 A44 93.30 89.85 93.45 72.70 57.99 48.51 43.88 38.26 36.10 50.77 67.69 86.18 A45 104.63 90.32 100.99 94.97 85.19 68.19 53.70 40.81 45.25 69.29 94.54 106.14 A46 118.65 105.71 118.14 109.38 102.39 88.51 75.78 57.75 53.09 70.98 92.73 114.65 A47 115.23 102.17 113.80 102.68 87.53 68.54 55.99 44.53 49.71 75.50 97.69 114.84 A48 77.40 70.44 66.68 39.30 14.48 5.01 3.45 5.96 12.53 26.90 39.67 61.88 A49 88.52 83.64 88.00 63.80 48.05 37.38 32.34 27.91 30.64 46.24 63.01 79.30 A50 110.18 96.78 102.87 89.41 76.09 61.40 56.51 50.78 50.93 69.67 87.30 105.50 A51 103.95 97.83 100.00 81.82 67.88 61.01 61.75 62.12 59.48 75.57 85.70 104.21 A52 99.23 87.69 99.01 92.59 83.43 68.60 56.27 44.26 46.76 69.52 89.78 100.41 A53 101.02 87.90 97.36 88.93 78.71 63.30 50.00 37.47 41.97 66.67 88.91 101.75 LP01 102.12 89.39 84.80 53.72 28.65 14.19 10.81 9.88 10.78 25.99 52.83 84.17 LP02 88.55 77.66 74.42 47.18 25.77 13.00 9.60 8.44 8.60 21.40 44.21 73.38 LP03 94.63 94.07 89.51 65.98 41.54 23.94 16.38 11.63 9.01 20.26 43.72 79.78 LP04 90.27 84.38 81.18 50.78 23.52 9.73 5.37 4.28 6.06 17.85 36.85 70.50 LP05 84.19 78.61 75.84 48.46 21.44 8.25 4.83 5.31 10.87 27.61 42.81 67.46 LP06 58.55 57.45 52.54 27.43 9.05 2.93 1.80 2.16 3.12 6.66 13.58 32.37 LP07 85.99 79.66 74.41 41.06 14.71 4.71 2.41 2.71 4.46 13.81 29.80 59.10 LP08 81.15 76.21 70.64 41.57 16.98 6.09 3.59 3.44 5.18 13.22 28.67 53.26 LP09 64.92 61.74 55.06 28.92 9.40 2.73 1.48 2.26 4.63 12.00 20.82 41.02 ALT01 68.08 69.21 63.68 36.30 13.83 5.66 4.20 5.87 10.29 16.73 23.45 42.13 ALT02 90.06 86.27 86.92 67.90 39.10 18.01 11.90 11.28 18.11 35.70 50.89 74.31 ALT03 68.01 68.19 59.80 33.98 14.36 6.73 5.32 6.42 10.33 15.65 21.34 41.27 ALT04 91.84 88.89 84.36 55.58 27.50 11.56 7.94 9.01 13.69 22.94 34.35 59.88 ALT05 74.60 74.39 72.70 51.31 28.66 13.22 9.46 10.72 17.50 29.15 38.61 57.03 ALT06 96.67 93.88 92.10 65.17 31.34 13.26 8.05 8.79 14.30 25.83 38.67 67.88 ALT07 64.57 68.49 62.38 35.30 13.15 4.40 2.96 3.34 4.48 7.72 13.62 32.62 ALT08 80.29 76.74 79.41 58.93 31.87 15.98 11.69 12.73 19.63 31.36 40.33 59.10 ALT09 52.50 59.63 51.69 24.82 7.82 2.93 2.48 3.09 3.95 5.73 8.81 22.71 ALT10 46.22 50.64 41.88 18.00 4.84 1.81 1.43 1.71 2.00 3.11 5.89 17.98 58

Escurrimiento multimensual en mm para el periodo 1980-2016 ID ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC A01 208.80 192.13 164.49 83.40 79.80 39.12 19.70 10.66 14.14 13.95 48.82 136.94 A02 146.34 139.20 91.66 53.85 44.64 35.75 32.99 27.21 34.53 39.19 66.58 102.13 A03 24.52 25.17 17.75 7.46 3.47 2.46 2.24 2.19 2.41 3.10 4.38 9.99 A04 185.62 175.74 166.22 88.91 25.45 10.18 8.37 7.97 8.31 14.45 64.32 136.44 A05 183.32 173.78 163.51 87.46 25.24 8.38 6.43 6.05 6.28 11.04 56.24 130.48 A06 24.30 27.68 25.07 15.02 8.77 5.70 4.43 3.88 3.95 5.17 7.34 12.83 A07 163.30 157.63 137.53 67.08 31.98 21.44 16.92 15.11 14.89 16.81 30.96 95.59 A08 174.36 177.28 158.37 89.16 39.39 25.72 22.23 20.61 20.16 22.08 44.23 116.27 A09 116.15 149.29 117.10 60.68 18.12 5.71 2.18 0.98 1.68 6.09 31.19 72.41 A10 168.38 163.17 116.72 57.79 34.61 29.15 21.02 17.64 18.13 27.57 47.56 93.12 A11 33.60 36.82 31.51 15.82 7.97 4.87 3.83 3.47 3.66 4.86 7.16 16.42 A12 189.44 181.68 169.10 88.56 26.18 12.49 10.72 10.12 10.11 13.34 55.81 131.93 A13 132.73 137.91 109.31 51.58 21.32 10.20 6.42 4.81 4.89 8.02 31.25 82.87 A14 159.54 161.07 136.18 67.07 17.60 5.95 3.43 2.64 2.79 5.24 27.80 100.89 A15 65.43 67.49 42.75 20.49 35.64 24.61 9.69 2.27 4.74 2.66 5.90 25.64 A16 117.75 100.92 65.39 24.86 14.53 12.22 10.53 10.61 11.51 14.08 21.38 47.80 A17 207.11 196.33 154.86 75.79 37.63 17.60 13.26 11.55 13.19 18.45 47.63 138.43 A18 40.05 33.94 23.02 6.77 3.00 2.43 2.31 2.36 2.50 2.82 5.40 15.34 A19 211.18 177.29 126.44 40.97 23.29 19.27 16.10 15.40 15.58 20.58 44.33 110.77 A20 40.34 42.96 36.93 26.33 20.58 14.89 10.19 7.15 7.22 9.64 15.56 27.32 A21 212.20 232.60 224.45 176.90 138.77 106.54 84.21 64.36 57.65 58.44 85.89 144.56 A22 109.78 120.75 115.21 86.20 56.17 24.23 10.67 6.93 8.26 11.52 24.86 65.78 A23 164.63 149.61 123.77 49.35 22.82 8.43 3.04 0.74 1.54 2.02 15.51 84.06 A24 227.19 212.62 196.81 107.78 58.71 37.07 29.81 26.98 29.77 39.08 72.56 157.63 A25 155.90 148.92 119.06 83.08 147.48 92.02 42.71 18.79 27.08 17.89 25.55 84.91 A26 55.32 71.05 74.29 57.85 42.02 26.76 18.91 14.90 13.61 13.60 16.72 30.36 A27 34.23 34.33 18.21 9.19 5.76 3.35 1.70 0.84 1.02 1.97 5.34 16.26 A28 167.89 136.58 106.05 44.41 22.67 17.64 14.81 13.88 14.95 21.69 35.67 73.71 A29 130.37 120.87 57.42 18.62 6.76 3.24 2.56 1.77 6.68 2.73 17.68 75.82 A30 228.98 208.36 198.27 108.19 42.35 16.27 12.90 11.97 13.89 22.78 81.92 164.58 A31 197.15 265.29 208.02 117.19 63.27 31.14 22.86 19.05 19.96 36.42 119.98 182.69 A32 136.23 133.87 100.06 51.88 38.83 30.40 26.19 23.76 23.63 25.55 37.81 86.41 A33 176.96 164.78 142.83 71.40 26.60 15.17 11.84 10.55 10.52 12.84 35.37 109.29 A34 266.45 238.36 177.34 147.66 125.80 118.99 124.12 85.63 77.84 80.69 121.43 201.88 A35 176.88 157.96 100.30 55.59 28.14 22.19 19.35 14.13 15.41 16.41 43.63 115.58 A36 176.44 167.73 156.90 85.03 33.70 20.15 17.33 16.31 16.92 22.00 58.76 128.51 A37 179.01 171.46 160.64 86.48 39.72 28.34 25.35 23.72 23.33 25.85 55.89 128.26 A38 219.72 177.81 141.68 69.94 67.03 39.54 30.93 24.11 27.51 31.30 68.57 161.31 A39 21.09 19.28 14.50 6.29 3.05 2.17 1.96 1.92 1.96 2.36 3.53 8.95 A40 129.20 168.42 131.97 66.43 21.68 5.50 2.06 0.95 1.43 5.99 44.60 97.07 A41 61.35 71.21 53.03 28.64 22.01 18.04 14.99 13.74 13.35 13.43 15.15 27.57 A42 18.52 29.60 25.49 11.45 4.95 2.62 1.42 0.67 0.48 0.90 2.36 8.05 A43 12.14 12.21 9.20 5.12 4.02 2.83 1.73 0.87 0.90 1.46 2.79 5.91 A44 10.72 12.04 10.21 5.36 5.15 3.37 2.02 0.78 0.64 1.13 2.60 5.79 A45 158.60 168.73 139.95 74.07 19.43 7.13 5.75 5.34 5.35 8.08 29.19 108.51 A46 55.87 74.63 74.59 54.65 43.63 30.18 21.54 16.20 15.34 13.71 14.73 26.42 A47 139.32 130.84 79.19 41.37 27.29 23.32 21.42 18.78 21.77 19.20 35.67 85.54 59

A48 38.70 36.01 19.97 5.98 2.64 2.12 2.05 2.07 2.30 2.96 5.20 14.88 A49 12.00 12.00 10.41 5.92 4.38 2.69 1.32 0.72 0.83 1.55 3.38 6.39 A50 107.71 112.45 71.29 24.81 9.81 6.61 3.56 2.61 1.88 4.32 16.65 54.59 A51 71.26 73.43 46.90 25.88 22.97 17.25 12.92 7.77 8.29 10.55 16.84 42.06 A52 162.07 149.10 95.10 54.66 34.27 29.87 27.02 24.23 24.46 25.19 49.99 110.16 A53 182.00 163.59 135.48 59.41 27.92 10.43 3.82 0.97 2.50 4.07 24.99 109.77 LP01 101.00 115.31 104.27 52.07 24.20 13.75 10.51 9.21 8.99 12.76 28.92 59.97 LP02 71.45 83.10 79.84 43.21 18.45 8.76 5.56 4.33 4.15 6.99 18.13 43.37 LP03 15.01 26.25 23.97 11.46 4.98 2.92 2.11 1.80 1.72 1.84 2.86 6.31 LP04 17.68 19.37 15.15 5.15 2.28 1.65 1.49 1.44 1.42 1.55 2.31 7.16 LP05 29.77 29.33 18.51 5.51 2.50 1.91 1.77 1.74 1.80 2.21 3.74 10.66 LP06 7.39 8.30 4.15 1.02 0.37 0.29 0.28 0.29 0.29 0.30 0.46 1.81 LP07 25.97 24.25 15.01 3.20 1.16 0.89 0.85 0.84 0.84 0.96 2.47 8.53 LP08 26.55 23.16 14.03 3.53 1.02 0.60 0.54 0.53 0.54 0.64 2.39 7.90 LP09 10.04 9.02 5.25 1.48 0.75 0.65 0.63 0.63 0.64 0.70 0.98 2.52 ALT01 8.41 9.91 5.91 2.01 1.11 0.95 0.92 0.93 0.98 1.04 1.24 2.34 ALT02 40.59 45.83 31.17 11.41 4.02 2.54 2.17 2.08 2.22 2.75 4.30 10.90 ALT03 6.33 7.54 4.11 1.89 1.27 1.16 1.13 1.12 1.14 1.16 1.24 1.80 ALT04 19.21 24.58 12.31 3.03 1.02 0.69 0.62 0.62 0.65 0.71 0.95 2.29 ALT05 15.96 16.03 8.08 2.39 0.68 0.34 0.26 0.26 0.34 0.51 0.82 2.40 ALT06 34.76 47.68 26.75 7.27 2.73 1.92 1.78 1.76 1.81 1.96 2.57 6.25 ALT07 5.95 11.84 7.00 2.06 1.21 1.10 1.08 1.07 1.06 1.06 1.12 1.58 ALT08 30.92 30.79 16.84 5.98 2.61 1.94 1.73 1.69 1.83 2.13 2.93 6.39 ALT09 1.88 4.75 1.80 0.63 0.47 0.45 0.44 0.44 0.44 0.44 0.45 0.56 ALT10 1.87 2.84 1.31 0.47 0.31 0.30 0.30 0.30 0.30 0.30 0.31 0.45 60

Anexo 2. Resultados de balance hídrico para condiciones históricas Mapas Unidades Hidrográficas del Balance Hídrico 61

62